盲分離算法在高速列車監(jiān)測(cè)數(shù)據(jù)分析中的應(yīng)用.pdf

1、在經(jīng)濟(jì)快速發(fā)展的客觀環(huán)境下，列車的高速行駛也逐漸成為一種主流需求。安全是高速列車發(fā)展的先決條件，因此基于高速列車監(jiān)測(cè)數(shù)據(jù)的安全性能評(píng)估研究具有重要性和必要性。大多數(shù)學(xué)者對(duì)高速列車單故障工況的研究較多，但是對(duì)高速列車多故障工況研究較少，高速行駛的列車一旦發(fā)生多故障或多部件參數(shù)嚴(yán)重蛻變將會(huì)產(chǎn)生更嚴(yán)重的后果?；诒O(jiān)測(cè)數(shù)據(jù)的多故障研究遇到比單故障更多更復(fù)雜的問題，例如如何選取用于分析高速列車的傳感器通道及選取個(gè)數(shù)、如何選取有效的多故障診斷算法、

2、對(duì)選取的多故障分析方法如何改進(jìn)更具有實(shí)踐性等等諸多關(guān)鍵性難題。針對(duì)高速列車傳感器分布和信號(hào)特點(diǎn)，結(jié)合盲源分離算法出色的分離特性，本文從單通道和多通道盲源分離算法角度分析高速列車多故障問題。
　　本文介紹的高速列車故障類型包括空簧失氣、抗蛇行減振器故障、橫向減振器故障、空簧和橫向減振器混合故障、橫向減振器和抗蛇行減振器混合故障、空簧和抗蛇行減振器混合故障等。本文分析思路是選擇合適的傳感器通道，先對(duì)采集的故障信號(hào)濾波、均值化、預(yù)白化等

3、預(yù)處理，然后運(yùn)用對(duì)應(yīng)的盲源分離算法實(shí)現(xiàn)多故障信號(hào)的分離，最后用基于特征提取的方法評(píng)價(jià)盲分離效果。本文分析的數(shù)據(jù)包括多故障的全拆數(shù)據(jù)、非全拆數(shù)據(jù)和參數(shù)漸變數(shù)據(jù)，其中，全拆數(shù)據(jù)是某一工況對(duì)應(yīng)的部件全部拆除的情況，非全拆數(shù)據(jù)是選取了拆除一個(gè)部件的情況，參數(shù)漸變數(shù)據(jù)是部件由正常到完全故障性能蛻變的過程。
　　盲源分離算法的選取是建立在高速列車監(jiān)測(cè)數(shù)據(jù)和傳感器分布特點(diǎn)的基礎(chǔ)上的，重點(diǎn)運(yùn)用了基于信息論的KICA算法和基于代數(shù)結(jié)構(gòu)的矩陣聯(lián)合近似

4、對(duì)角化算法。KICA算法用于單通道盲分離算法，分析單個(gè)傳感器采集信號(hào)中的獨(dú)立成分，首先用EEMD作為升維方法，用PCA作為源個(gè)數(shù)的估計(jì)方法，然后結(jié)合KICA算法原理找到合適的目標(biāo)函數(shù)和優(yōu)化算法，最后提取并選擇合適的特征，用SVM實(shí)現(xiàn)盲分離效果的識(shí)別。矩陣聯(lián)合近似對(duì)角化算法是用于多通道盲分離算法，選取合適的多個(gè)傳感器通道是該算法分析的關(guān)鍵，把預(yù)處理之后信號(hào)進(jìn)行聯(lián)合近似對(duì)角化分析并找到合適的目標(biāo)矩陣和實(shí)現(xiàn)該目標(biāo)矩陣的算法，最后對(duì)源信號(hào)及其估