基于线性判别法的列车悬挂系统故障分离方法

摘要

本发明涉及一种基于线性判别法的列车悬挂系统故障分离方法，该方法基于Fisher判别分析法的数据特征提取及其在列车悬挂系统故障诊断中的应用，通过将仿真的正常数据和各类故障数据集合训练得到诊断判别函数，来对新的检测数据做判别诊断。本发明不需要精确的数学模型以及对总体的分布情况不做任何要求，通过将数量很大的特征变量减少到相对来说较少的几个线性组合，从而形成较小的维数方便表示。同时检测单元结构简单，不易受外界因素干扰，装置可靠性高。

主权项

基于线性判别法的列车悬挂系统故障分离方法，其特征在于，该分离方法包括如下步骤：1)利用车体以及转向架加速度传感器获取列车运行时各个位置的加速度信号；2)对所述各加速度信号进行抗混叠滤波、高通滤波、二次积分处理，获得列车悬挂系统位移输出；3)根据步骤2的位移输出，分别通过时域特征计算得到时域信息，和做快速傅立叶变换，通过频域特征计算获得故障信号频域信息，这样就得到行向量，得到选取的训练样本；4)对训练样本作归一化处理，得到新的训练样本，分别计算得到各类训练样本的均值向量和总训练样本的均值向量；5)分别计算出各类训练样本的类间散度矩阵的和矩阵B，和类内散度矩阵A，然后求出A‑1B的特征值和特征向量，将正的特征值降序排列，根据判别能力P的要求得到判别函数的个数，继而得到判别矩阵V；6)对待测样本点进行归一化处理，再将其投影到判别矩阵V上得到待测点投影，然后求出待测点投影到各类样本投影的马氏距离，将它们取绝对值后进行比较，最后将待测观测对象即判归为距离最小的那个类。