高速列車輪對缺陷軌上感知算法研究.pdf

1、鐵路運輸是我國重要的交通運輸方式。隨著鐵路運輸密度的加大，行車速度的提高，如何保證鐵路運輸安全問題也顯得越來越重要。在車輛和軌道系統(tǒng)中，輪軌相對動運動速度高，動態(tài)載荷大，是最容易出現(xiàn)缺陷的地方。一旦車輪出現(xiàn)扁疤，偏心或缺陷，會產(chǎn)生高于正常情況下幾十倍甚至上百倍的沖擊力，對機車車輛和軌道都會造成嚴重的破壞，因此及時發(fā)現(xiàn)車輪缺陷具有要重要意義。
　　論文首先根據(jù)車輛軌道耦合模型建立了考慮車輪缺陷的車輛軌道耦合動力學(xué)方程，利用逆傅里葉變

2、換(IFFT)算法仿真了軌道幾何不平順，并基于Newmark的預(yù)測-校正法求解了在車輪缺陷下的車輛和軌道動態(tài)響應(yīng)。在此基礎(chǔ)上，重點分析了在車輪缺陷情況下鋼軌的振動信號，并利用信號處理算法提取振動信號的特征。本文提出了利用經(jīng)驗?zāi)B(tài)分解(EMD)算法將鋼軌信號分解成為基本的模態(tài)分量。對每個基本模態(tài)分量利用數(shù)學(xué)中分形理論和高階譜分析方法分別求分形維數(shù)和雙譜圖，利用灰度梯度共生矩陣提取雙譜圖特征。分形維數(shù)和灰度梯度共生矩陣數(shù)字特征共同組成了鋼軌

3、振動信號的特征信息。
　　為了識別車輪缺陷，本文提出了一種利用支持向量機(SVM)的識別和估計車輪缺陷的識別算法，利用提取到的數(shù)字特征訓(xùn)練支持向量機，并提出了改進支持向量機的一些方法，如利用粒子群算法優(yōu)化支持向量機的參數(shù)，利用GPU加速支持向量機的訓(xùn)練，提高分類準(zhǔn)確率和訓(xùn)練速度。
　　通過仿真實驗證明，論文提出的高速列車輪對缺陷軌上感知算法可以有效識別車輪扁疤、不圓、偏心三種缺陷，總的識別率為100％，正確分類率為91.46