盲分離算法在高速列車監(jiān)測數(shù)據(jù)分析中的應用.pdf

1、在經(jīng)濟快速發(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)測數(shù)據(jù)的安全性能評估研究具有重要性和必要性。大多數(shù)學者對高速列車單故障工況的研究較多，但是對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)嚴重蛻變將會產(chǎn)生更嚴重的后果?；诒O(jiān)測數(shù)據(jù)的多故障研究遇到比單故障更多更復雜的問題，例如如何選取用于分析高速列車的傳感器通道及選取個數(shù)、如何選取有效的多故障診斷算法、

2、對選取的多故障分析方法如何改進更具有實踐性等等諸多關鍵性難題。針對高速列車傳感器分布和信號特點，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，先對采集的故障信號濾波、均值化、預白化等

3、預處理，然后運用對應的盲源分離算法實現(xiàn)多故障信號的分離，最后用基于特征提取的方法評價盲分離效果。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)是某一工況對應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)測數(shù)據(jù)和傳感器分布特點的基礎上的，重點運用了基于信息論的KICA算法和基于代數(shù)結(jié)構(gòu)的矩陣聯(lián)合近似

4、對角化算法。KICA算法用于單通道盲分離算法，分析單個傳感器采集信號中的獨立成分，首先用EEMD作為升維方法，用PCA作為源個數(shù)的估計方法，然后結(jié)合KICA算法原理找到合適的目標函數(shù)和優(yōu)化算法，最后提取并選擇合適的特征，用SVM實現(xiàn)盲分離效果的識別。矩陣聯(lián)合近似對角化算法是用于多通道盲分離算法，選取合適的多個傳感器通道是該算法分析的關鍵，把預處理之后信號進行聯(lián)合近似對角化分析并找到合適的目標矩陣和實現(xiàn)該目標矩陣的算法，最后對源信號及其估