高速列车小幅蛇行非平稳特征提取方法
发布时间：2021-04-22 22:51
伴随着近几年我国高速铁路的飞速发展,列车的运行速度越来越快,列车运行的稳定性问题也日显现。因此,对列车运行状态进行安全监测,及时预测高速列车的运行状态是确保高速列车安全运行的关键因素。列车在运行过程中,机车轮对会绕着其轨道中心线做一边横移一边摇头的耦合运动,即为蛇行运动。现有的蛇行运动监测方法均通过监测某单一位置传感器的加速度来判断车辆是否出现蛇行失稳,仅能监测出列车发生剧烈的大幅蛇行异常。而且,车辆在高速运行时还易出现小幅蛇行运动。小幅蛇行可以分为小幅蛇行收敛和小幅蛇行发散两种运行状态,小幅蛇行收敛状态会慢慢收敛到正常运行状态,而小幅蛇行发散状态则会不断发散到大幅蛇行失稳,进而对列车的安全造成巨大威胁。现有的研究鲜有涉及到小幅蛇行演变的两种状态,因此迫切需要对小幅蛇行演变的两种状态进行特征提取,保障列车的运行安全。针对列车在高速运行中所产生的小幅蛇行状态识别问题,以多个位置的高速列车横向加速度信号为研究对象,采用多种非线性信号处理方法,对列车高速行径中的横向加速度信号进行特征提取,从而及时识别高速列车的运行状态。本文的主要工作有:（1）提出了一种基于平均经验模态分解、奇异值分解以及流...
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景和意义
1.2 高速列车转向架蛇行运动
1.3 国内外研究现状
1.4 本文结构和主要研究内容
第2章 非平稳信号特征提取方法
2.1 小波变换理论
2.2 EMD理论
2.3 EEMD理论
2.4 流形学习
2.5 本章小结
第3章 基于EEMD和 LTSA的高速列车小幅蛇行特征提取方法
3.1 奇异值分解
3.1.1 Hankel矩阵
3.1.2 奇异值分解
3.2 试验仿真
3.3 数据采集
3.4 数据预处理
3.4.1 带通滤波
3.4.2 零均值化
3.4.3 消除趋势项
3.4.4 平滑处理
3.5 EEMD分解
3.6 流形学习降维
3.7 最小二乘法支持向量机
3.8 本章小结
第4章 高速列车多位置数据融合特征提取
4.1 高速列车多位置数据特征提取框架
4.2 联合近似对角化
4.2.1 联合近似对角化
4.2.2 非平稳环境下的联合近似对角化
4.3 仿真分析
4.4 实测数据验证
4.5 可分性分析
4.6 LSSVM诊断识别
4.7 本章小结
总结和展望
致谢
参考文献
攻读硕士学位期间发表的学术论文
【参考文献】：
期刊论文
[1]高速列车转向架蛇行失稳的MEEMD-LSSVM预测模型[J]. 叶运广,宁静,种传杰,崔万里,陈春俊. 铁道学报. 2018(01)
[2]EMD-ISOMAP高速列车小幅蛇行异常特征提取[J]. 崔万里,宁静,种传杰,李艳萍,陈春俊. 中国测试. 2016(12)
[3]基于多重分形与SVM的高速列车运行状态识别方法[J]. 孙永奎,余志斌,金炜东. 西南交通大学学报. 2015(01)
[4]基于EEMD样本熵的高速列车转向架故障特征提取[J]. 秦娜,金炜东,黄进,李智敏,刘景波. 西南交通大学学报. 2014(01)
[5]高速铁道车辆蛇行脱轨安全性评判方法研究[J]. 孙丽霞,姚建伟. 中国铁道科学. 2013(05)
[6]高速列车运动稳定性设计方法研究[J]. 张卫华,李艳,宋冬利. 西南交通大学学报. 2013(01)
[7]转向架横向稳定性的实时在线监测[J]. 刘峰,延九磊,董孝卿,张瑞芳. 铁道机车车辆. 2010(02)
[8]列车脱轨机理与脱轨分析理论研究[J]. 向俊,曾庆元. 中国铁道科学. 2008(01)
[9]高速列车的稳定性[J]. 曾京,邬平波. 交通运输工程学报. 2005(02)
[10]高速车辆系统非线性运动稳定性的理论与试验研究[J]. 林建辉,陈建政,高燕. 机械科学与技术. 2003(03)
博士论文
[1]铁道车辆运动稳定性及分岔类型研究[D]. 董浩.西南交通大学 2014
[2]基于非线性信号分析的滚动轴承状态监测诊断研究[D]. 刘永斌.中国科学技术大学 2011
[3]人脸识别中基于流形学习的子空间特征提取方法研究[D]. 李勇周.中南大学 2009
硕士论文
[1]高铁车辆安全稳定裕度可调控性研究[D]. 刘文辉.大连交通大学 2012
[2]基于FPGA的高速列车转向架蛇行失稳检测装置[D]. 蔡里军.西南交通大学 2012
[3]高速车辆动力学性能评价方法研究[D]. 贾璐.西南交通大学 2011
本文编号：3154611
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景和意义
1.2 高速列车转向架蛇行运动
1.3 国内外研究现状
1.4 本文结构和主要研究内容
第2章 非平稳信号特征提取方法
2.1 小波变换理论
2.2 EMD理论
2.3 EEMD理论
2.4 流形学习
2.5 本章小结
第3章 基于EEMD和 LTSA的高速列车小幅蛇行特征提取方法
3.1 奇异值分解
3.1.1 Hankel矩阵
3.1.2 奇异值分解
3.2 试验仿真
3.3 数据采集
3.4 数据预处理
3.4.1 带通滤波
3.4.2 零均值化
3.4.3 消除趋势项
3.4.4 平滑处理
3.5 EEMD分解
3.6 流形学习降维
3.7 最小二乘法支持向量机
3.8 本章小结
第4章 高速列车多位置数据融合特征提取
4.1 高速列车多位置数据特征提取框架
4.2 联合近似对角化
4.2.1 联合近似对角化
4.2.2 非平稳环境下的联合近似对角化
4.3 仿真分析
4.4 实测数据验证
4.5 可分性分析
4.6 LSSVM诊断识别
4.7 本章小结
总结和展望
致谢
参考文献
攻读硕士学位期间发表的学术论文
【参考文献】：
期刊论文
[1]高速列车转向架蛇行失稳的MEEMD-LSSVM预测模型[J]. 叶运广,宁静,种传杰,崔万里,陈春俊. 铁道学报. 2018(01)
[2]EMD-ISOMAP高速列车小幅蛇行异常特征提取[J]. 崔万里,宁静,种传杰,李艳萍,陈春俊. 中国测试. 2016(12)
[3]基于多重分形与SVM的高速列车运行状态识别方法[J]. 孙永奎,余志斌,金炜东. 西南交通大学学报. 2015(01)
[4]基于EEMD样本熵的高速列车转向架故障特征提取[J]. 秦娜,金炜东,黄进,李智敏,刘景波. 西南交通大学学报. 2014(01)
[5]高速铁道车辆蛇行脱轨安全性评判方法研究[J]. 孙丽霞,姚建伟. 中国铁道科学. 2013(05)
[6]高速列车运动稳定性设计方法研究[J]. 张卫华,李艳,宋冬利. 西南交通大学学报. 2013(01)
[7]转向架横向稳定性的实时在线监测[J]. 刘峰,延九磊,董孝卿,张瑞芳. 铁道机车车辆. 2010(02)
[8]列车脱轨机理与脱轨分析理论研究[J]. 向俊,曾庆元. 中国铁道科学. 2008(01)
[9]高速列车的稳定性[J]. 曾京,邬平波. 交通运输工程学报. 2005(02)
[10]高速车辆系统非线性运动稳定性的理论与试验研究[J]. 林建辉,陈建政,高燕. 机械科学与技术. 2003(03)
博士论文
[1]铁道车辆运动稳定性及分岔类型研究[D]. 董浩.西南交通大学 2014
[2]基于非线性信号分析的滚动轴承状态监测诊断研究[D]. 刘永斌.中国科学技术大学 2011
[3]人脸识别中基于流形学习的子空间特征提取方法研究[D]. 李勇周.中南大学 2009
硕士论文
[1]高铁车辆安全稳定裕度可调控性研究[D]. 刘文辉.大连交通大学 2012
[2]基于FPGA的高速列车转向架蛇行失稳检测装置[D]. 蔡里军.西南交通大学 2012
[3]高速车辆动力学性能评价方法研究[D]. 贾璐.西南交通大学 2011
本文编号：3154611
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3154611.html
