机车牵引座裂纹故障状态识别方法研究

发布时间：2022-12-07 22:15

　　机车牵引座是连接车体和转向架的重要部件,承受并传递着机车的纵向力,因此牵引座的状态影响着机车的行车安全。本文以机车牵引座为研究对象,以特征提取与模式识别为基础,研究牵引座裂纹故障状态的识别方法。提出基于集合经验模态分解（EEMD）与K邻近算法（KNN）相结合的识别方法、基于小波包分解与隐马尔科夫模型（HMM）相结合的识别方法,通过实验与分析验证各自的有效性并进行了对比;在此基础上,结合模态区间理论对小波包-HMM方法进行改进,形成小波包-广义隐马尔可夫模型（GHMM）的识别方法并进行了验证。首先,本文对机车牵引座结构特点、故障产生原因、故障分级等方面展开分析,确定了牵引座模型的具体参数,通过模态分析确定了模型激振频率,搭建了裂纹故障实验平台并获取了相关实验数据。然后提出了一种利用EEMD-KNN算法进行识别的方法,通过特征提取后进行牵引座三种不同状态的识别,识别结果验证了该方法的可行性与有效性。其次,针对EEMD特征提取耗时长导致EEMD-KNN方法识别过程漫长、占用内存量大的不足,提出了一种基于小波包分解与HMM模型的识别方法。对同样的数据进行小波包分解,提取小波包能量占比值作为敏感... 

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
主要符号说明
第一章 绪论
    1.1 研究背景及意义
    1.2 裂纹故障国内外研究现状
        1.2.1 裂纹检测方法研究现状
        1.2.2 裂纹故障特征提取的现状
        1.2.3 裂纹故障模式识别方法研究现状
    1.3 本文主要研究内容
第二章 机车牵引座裂纹故障分析与实验设计
    2.1 引言
    2.2 机车牵引座结构及裂纹故障
        2.2.1 机车牵引座结构特点与裂纹形成原因
        2.2.2 牵引座裂纹故障分级
    2.3 机车牵引座模态分析
        2.3.1 机车牵引座模型设置
        2.3.2 牵引座模型固有频率分析
    2.4 机车牵引座裂纹故障实验平台设计
        2.4.1 牵引座裂纹故障实验原理
        2.4.2 牵引座裂纹故障实验仪器选择
        2.4.3 牵引座裂纹故障实验方案
        2.4.4 牵引座裂纹故障实验平台搭建与数据采集
    2.5 本章小结
第三章 基于EEMD与 KNN算法的牵引座状态识别
    3.1 引言
    3.2 状态识别方法原理
        3.2.1 EEMD原理
        3.2.2 KNN算法原理
    3.3 特征分析与提取
        3.3.1 时域特征分析
        3.3.2 EEMD参数设置与分解
        3.3.3 敏感特征选择及提取
    3.4 基于EEMD-KNN的机车牵引座状态识别
    3.5 本章小结
第四章 基于小波包分解与HMM的牵引座状态识别
    4.1 引言
    4.2 状态识别方法原理
        4.2.1 小波包分解原理
        4.2.2 HMM原理
    4.3 特征分析与提取
        4.3.1 小波包分解分析
        4.3.2 小波包特征提取
    4.4 基于小波包-HMM的列车牵引座状态识别
    4.5 本章小结
第五章 基于模态区间与HMM的牵引座状态识别
    5.1 引言
    5.2 GHMM原理
        5.2.1 模态区间
        5.2.2 模态区间运算规则
        5.2.3 模态区间概率运算
        5.2.4 GHMM模型与其状态识别流程
    5.3 基于GHMM的机车牵引座的状态识别
        5.3.1 模态区间特征提取
        5.3.2 状态识别
    5.4 本章小结
第六章 结论与展望
    6.1 结论
    6.2 展望
参考文献
个人简历 在读期间发表的学术论文
致谢


【参考文献】：
期刊论文
[1]基于中智KNN的齿轮箱故障诊断方法[J]. 王栋璀,丁云飞,朱晨烜.  振动与冲击. 2019(20)
[2]基于K近邻算法的噪声种类识别和强度估计[J]. 吴小莉,郑艺峰.  计算机应用. 2020(01)
[3]基于K邻近算法的转向架构架状态识别研究[J]. 邱英,冯春雨,谢锋云,刘昆,杨静,王二化.  测控技术. 2019(08)
[4]结合模态区间分析和IARR的不确定性损伤识别[J]. 方圣恩,张宝.  振动.测试与诊断. 2019(04)
[5]加速度传感器种类剖析及适用性[J]. 徐文骏.  中国检验检测. 2019(04)
[6]基于振动信号时频分解-样本熵的受电弓裂纹故障诊断[J]. 施莹,林建辉,庄哲,刘泽潮.  振动与冲击. 2019(08)
[7]下一代高速列车关键技术特征分析及展望[J]. 缪炳荣,张卫华,池茂儒,周宁,宋冬利,杨树旺.  铁道学报. 2019(03)
[8]基于衍射横波的裂纹激光超声检测方法[J]. 王玉庆,王云霞,马世榜.  激光技术. 2019(04)
[9]机械零件无损检测方法探析[J]. 李玉屏.  内燃机与配件. 2018(23)
[10]信号发生器的分类、应用领域及发展趋势[J]. 詹志强.  上海计量测试. 2018(04)

硕士论文
[1]基于参数分析和EEMD能量熵的车轴疲劳裂纹声发射信号识别研究[D]. 李超军.大连交通大学 2018
[2]基于涡流脉冲热成像的闭合疲劳裂纹检测方法研究[D]. 张康.西南交通大学 2018
[3]基于振动声调制技术的螺栓结构紧固状态检测方法研究[D]. 罗志伟.哈尔滨工业大学 2016
[4]基于模态区间算法的结构损伤评估和可靠度分析[D]. 张宝.福州大学 2016
[5]高速列车制动盘螺栓裂纹检测技术研究[D]. 潘晓宇.北京交通大学 2016



本文编号：3712962