高速列車橫向減振器性能退化的特征提取

井 波，金煒東，秦 娜，吳旭東

（西南交通大學(xué) 電氣工程學(xué)院，成都市 610031）

高速列車橫向減振器性能退化的特征提取

井 波，金煒東，秦 娜，吳旭東

（西南交通大學(xué) 電氣工程學(xué)院，成都市 610031）

橫向減振器是轉(zhuǎn)向架中的重要部件，對其性能退化評估可以更為有效地服務(wù)于設(shè)備主動維護(hù)。為此提出了基于聚合經(jīng)驗(yàn)?zāi)B(tài)分解的經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)分析方法，并定義了經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)，用于描述兩信號在時頻域上的互相關(guān)關(guān)系。利用該方法對高速列車轉(zhuǎn)向架的橫向減振器性能退化數(shù)據(jù)（90%～10%）進(jìn)行了特征提取及分析。將退化程度分為四個退化區(qū)間進(jìn)行分類，平均準(zhǔn)確率為95.2%，在一定程度上實(shí)現(xiàn)了對待測樣本退化程度的定量評估，驗(yàn)證了所提出方法的可行性和有效性。

振動與波；高速列車；經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)；經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)分析；性能退化；特征提取

高速列車技術(shù)的大力研究與發(fā)展，使得列車的運(yùn)行時速不斷提高。與此同時，對于列車的平穩(wěn)性與舒適性的要求也愈加嚴(yán)格。研究表明[1-3]，高速列車轉(zhuǎn)向架的橫向減振器是影響列車平穩(wěn)運(yùn)行的關(guān)鍵部件，能夠有效抑制列車在橫向方向的振動，保證列車的平穩(wěn)行駛與乘坐的舒適性。橫向減振器在使用過程中，會因各種內(nèi)外界因素導(dǎo)致其經(jīng)歷由正常到退化最后失效的一個過程。在這期間，橫向減振器處于一系列連續(xù)的不同的性能退化狀態(tài)。因此，如果能在設(shè)備性能退化的過程中監(jiān)測到退化的程度，便可以針對其不同的退化程度而制定合理的維修方案。

設(shè)備性能退化評估是故障診斷的新興領(lǐng)域，與現(xiàn)有的故障診斷技術(shù)有著很大差異。性能退化評估是一種主動維護(hù)技術(shù)[4]，用于度量設(shè)備在整個壽命周期的性能退化程度。文獻(xiàn)[5]提出了小波包—支持向量數(shù)據(jù)描述的軸承性能退化評估方法，在一定程度上實(shí)現(xiàn)了對待測樣本退化程度的定量評估；文獻(xiàn)［6］，［7］將信號互相關(guān)分析應(yīng)用到結(jié)構(gòu)損傷識別檢測和軸承故障診斷中，取得了一定效果；文獻(xiàn)［8］，［9］提出EEMD和熵結(jié)合用于高速列車的故障特征分析；文獻(xiàn)[10]提出小波互相關(guān)分析方法并用于水紋序列分析。

本文根據(jù)高速列車橫向減振器不同性能退化階段振動信號的特點(diǎn)，提出了經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)分析方法；同時定義了定量指標(biāo)—經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)，用于描述兩時間序列在整體時間域上的互相關(guān)關(guān)系。最后結(jié)合高速列車橫向減振器不同性能退化階段的仿真數(shù)據(jù)分析，以驗(yàn)證經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)分析方法用于估計(jì)性能退化程度的適用性和優(yōu)越性。

1 經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)分析方法

1.1 基于聚合經(jīng)驗(yàn)?zāi)B(tài)分解經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)分析

聚合經(jīng)驗(yàn)?zāi)B(tài)分解（Ensemble Empirical Mode Decomposition，EEMD）[11]是由Wu等在經(jīng)驗(yàn)?zāi)B(tài)分解（Empirical Mode Decomposition，EMD）[12]的基礎(chǔ)上提出的一種新的信號處理方法，可以有效地抑制模態(tài)混疊[13]。EEMD分解方法的基本原理是：通過將白噪聲添加在整個時頻空間的各個不同尺度中，當(dāng)信號被添加了這種頻率均勻分布的高斯白噪聲背景時，信號不同尺度的組成成分就會被自動地投影到一個由白噪聲背景建立的合適的尺度空間，利用白噪聲多次試驗(yàn)相抵消的統(tǒng)計(jì)特性，可以采取求平均值的方法來抑制分解結(jié)果中噪聲的影響。

聚合經(jīng)驗(yàn)?zāi)B(tài)分解的實(shí)質(zhì)是可以自適應(yīng)地根據(jù)信號本身的特點(diǎn)將復(fù)雜的非平穩(wěn)信號分解為一系列正交信號分量，即固有模態(tài)函數(shù)，每個IMF都是單一成分的平穩(wěn)信號。因此可滿足序列時頻局部化分析的要求。通過研究兩時間序列對應(yīng)固有模態(tài)函數(shù)之間的關(guān)系，同樣可以刻畫和描述兩序列之間的互相關(guān)關(guān)系。

1.2 經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)求解方法

EEMD算法的步驟如下：

（1）初始化聚合次數(shù)N與高斯白噪聲的幅值系數(shù)k，設(shè)m=1。

（2）計(jì)算第m次在信號中加入高斯白噪聲。

①按照給定的幅值添加高斯白噪聲序列到被研究的信號x(t)中，得到帶有噪聲的信號xm(t)

式中nm(t)為第t時第m次添加的白噪聲序列。

② 利用經(jīng)驗(yàn)?zāi)B(tài)分解將加入白噪聲后的信號xm(t)分解為一組IMFs。

③當(dāng)m＜N時，重復(fù)步驟①和②，每次加入不同的白噪聲信號，并使m=m+1。

（3）計(jì)算N次分解出的第i個IMF均值ci(t)

式中ci,m(t)為由第m次經(jīng)驗(yàn)?zāi)B(tài)分解得到的第i個IMF。

（4）取M個IMF的N次分解的均值作為最終的本征模態(tài)函數(shù)，則信號x(t)可表示為

式中r(t)為具有單調(diào)性的殘余函數(shù)。

信號x(t)，y(t)分別進(jìn)行M層聚合經(jīng)驗(yàn)?zāi)B(tài)分解后得到M個IMFs的均值xci(t)和yci(t)，經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)表示為

Rxy定量描述了時間序列x(t)和y(t)之間的互相關(guān)程度。愈接近于1,表示近似的相關(guān)程度愈大，反之愈小。流程如圖1所示。

圖1 流程圖

2 性能退化經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)分析

仿真試驗(yàn)數(shù)據(jù)均來自西南交通大學(xué)牽引動力國家重點(diǎn)實(shí)驗(yàn)室，基于多體動力學(xué)分析軟件SIMPACK，建立某動車組車輛系統(tǒng)非線性動力學(xué)模型。選取運(yùn)行速度為200 km/h時，橫向減振器性能由正常到逐漸退化（退化程度為正常的90%到10%）的車體橫向振動加速度信號，構(gòu)架橫向位移信號和輪對橫向位移信號，分別記為A，B，C。

2.1 選擇敏感的IMF分量

為了準(zhǔn)確的計(jì)算出經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)，需要選擇能夠反映出橫向減振器性能退化趨勢的IMF分量。以車體橫向加速度信號為例，將其90%～10%退化程度的信號進(jìn)行EEMD分解，得到IMFs分別與各自原信號求解互相關(guān)系數(shù)如表1所示。

由表1可以看出，退化程度為90%時，互相關(guān)系數(shù)比較高的為IMF3，IMF4，IMF5和IMF6分量，在減振器處于較為正常的情況下，信號的振動頻率是均勻的分布在中高頻帶，中頻帶和低頻帶的。當(dāng)退化程度為80%時，IMF3和IMF4分量的互相關(guān)系數(shù)開始減小，而IMF5和IMF6分量的互相關(guān)系數(shù)開始增加。從整個退化程度來看，IMF3和IMF4分量的互相關(guān)系數(shù)是呈逐漸減小趨勢，IMF5和IMF6分量是逐漸增加的。因此，當(dāng)橫向減振器的性能退化時，它的振動頻率是由均勻分布在各個頻帶到最后集中在低頻帶的變換，低頻帶的IMF5和IMF6兩個分量反映了其性能退化的變換趨勢。而在實(shí)際工程中，低頻振動是危害高速列車安全運(yùn)行的主要頻率。選擇IMF5和IMF6兩個頻帶作為計(jì)算經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)的敏感分量。

表1 各個退化程度的IMF分量

2.2 求解經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)

選取性能正常的數(shù)據(jù)作為基準(zhǔn)信號，各個退化程度作為待測信號，按照1.2中的步驟計(jì)算不同退化程度經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)。其結(jié)果見表2。

表2 不同退化程度的經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)

從表2中可以看出，不同退化程度下的經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)大小是有區(qū)別的，隨著退化程度的加深，經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)的值也在變小，與前面定義的經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)的物理意義相一致。系數(shù)越大，與正常狀態(tài)越接近，退化程度越淺；系數(shù)越小，與正常狀態(tài)越遠(yuǎn)，退化程度越深。說明經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)可以很好的反映不同退化程度，如圖2，3，4所示。因此，通過經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)的大小來估計(jì)橫向減振器所處的退化程度，可以針對不同的退化程度而制定合理的維修方案。當(dāng)退化程度在40%～10%之間，經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)相比前面的退化程度變化很大，此時由于橫向減振器的嚴(yán)重退化而影響列車正常的行駛和乘坐的舒適性，經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)是可靠的參考依據(jù)。

圖2 車體橫向加速度信號的經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)

圖3 構(gòu)架橫向位移信號的經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)

圖4 輪對橫向位移信號的經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)

3 橫向減振器性能退化評估

由于性能退化的程度是漸變的，不能將其分為固定的若干故障種類，用支持向量機(jī)等分類器對性能退化程度進(jìn)行評估有失合理。因此，對性能退化程度評估需要一定先驗(yàn)知識作為標(biāo)準(zhǔn)。本文采用橫向減振器性能退化仿真數(shù)據(jù)，依據(jù)工程實(shí)際經(jīng)驗(yàn)，將漸變程度在100%到70%之間記為階段1（近似正常），70%～40%記為階段2（早期輕微退化階段），40%至10%記為階段3（性能嚴(yán)重退化階段），10%以后記為階段4（接近完全失效）。預(yù)先設(shè)定了性能退化程度70%，40%，10%三個特定階段，分別提取這三個階段的經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)作為臨界值，這樣可以構(gòu)成4個退化程度區(qū)間。對待測數(shù)據(jù)進(jìn)行評估時，首先求出其經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)，找到距離最近的兩個臨界值，將待測數(shù)據(jù)的退化程度劃入兩個臨界值構(gòu)成的退化程度區(qū)間。待測數(shù)據(jù)選擇退化程度90%，80%，60%，50%，30%，20%的6個退化程度，每個退化程度10個樣本，共60個測試樣本。圖5為通道3的測試結(jié)果。

圖5 通道3測試結(jié)果

表3中的1—28通道分別是安裝在車體、構(gòu)架、輪對等不同位置的傳感器，采集的信號為橫向加速度信號和橫向位移信號。可以從表中看出，各個通道均有較高的準(zhǔn)確率，整體平均準(zhǔn)確率為95.2%，驗(yàn)證了經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)在評估橫向減振器性能退化的有效性和可行性。

表3 不同位置傳感器的退化評估準(zhǔn)確率

4 結(jié)語

為準(zhǔn)確深入地分析橫線減振器性能退化程度與正常狀態(tài)之間的互相關(guān)關(guān)系，本文提出經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)分析方法，通過求解經(jīng)驗(yàn)?zāi)B(tài)互相關(guān)系數(shù)，實(shí)現(xiàn)了對橫向減振器性能退化漸變趨勢的定量描述。利用高速列車橫向減振器性能退化的仿真數(shù)據(jù)，取得了較為滿意的評估準(zhǔn)確率，驗(yàn)證了該方法的適用性和有效性。

[1]劉建新，王開云，封全保，趙懷耘.橫向減振器對機(jī)車運(yùn)行平穩(wěn)性能影響[J].交通運(yùn)輸工程學(xué)報(bào)，2006，6(3)：1-4.

[2]郭世明.動車組檢測與故障診斷技術(shù)[M].2008，10.

[3]王文靜.動車組轉(zhuǎn)向架[M].北京：北京交通大學(xué)出版社，2012，6.

[4]Djurdjanovic D,J Lee,J Ni,Watchdog Agentan infotronics-based prognostics approach for product performance degradation assessment and prediction[J].Advanced Engineering Informatics,2003,17(3-4):109-125.

[5]潘玉娜，陳進(jìn).小波包—支持向量數(shù)據(jù)描述在軸承性能退化評估中應(yīng)用研究[J].振動與沖擊，2009，28(4)：164-167.

[6]雷家艷，姚謙峰，雷鷹，等.基于隨機(jī)振動響應(yīng)互相關(guān)函數(shù)的結(jié)構(gòu)損傷識別試驗(yàn)分析[J].振動與沖擊，2011，30 (8)：221-224.

[7]佟雨燕，陸森林.信號相關(guān)性和EEMD-Hilbert包絡(luò)在滾動軸承故障診斷中的應(yīng)用[J].噪聲與振動控制，2013，33 (5)：144-149.

[8]秦娜，王開云，金煒東，等.高速列車轉(zhuǎn)向架故障的經(jīng)驗(yàn)?zāi)B(tài)熵特征分析[J].交通運(yùn)輸工程學(xué)報(bào)，2014，14(1)：57-64.

[9]秦娜，金煒東，黃進(jìn)等.基于EEMD樣本熵的高速列車轉(zhuǎn)向架故障特征提取[J].西南交通大學(xué)學(xué)報(bào)，2014，49(1)：27-32.

[10]桑燕芳，王棟，吳吉春，等.水文時間序列小波互相關(guān)分析方法[J].水利學(xué)報(bào)，2010，41，(11)：1272-1279.

[11]WU Z H,HUANG N E.Ensemble empirical mode decomposition:a noise-assisted data analysis method[R].Calverton:Center for Ocean-Land-Atmosphere Studies,2009.

[12]WU Z H,HUANG N E.A study of characteristics of white noise using the empirical mode decomposition method[C].The Royal Society.Proceedings of the Royal Society,Series A:Mathematical,Physical and EngineeringScience.London:TheRoyalsociety,2004:1597-1611.

[13]AN Xue-li,JIANG Dong-xiang,LI Shao-hua,et al.Application of the ensemble empirical mode decomposition and Hilbert transform to pedestal looseness study of directdrive wind turbine[J].Energy,2011,36(9):5508-5520.

Feature Extraction of Lateral Damper Performance Degradation of High-speed Trains

JING Bo,JIN Wei-dong,QIN Na,WU Xu-dong
(School of Electric Engineering,Southwest Jiaotong University,Chengdu 610031,China)

Lateral dampers are important components in the bogies of high-speed trains.Assessment of the performance degradation of the lateral dampers is very helpful for active maintenance of equipment.In this paper,the empirical mode cross-correlation method(EMCC)was developed based on Ensemble Empirical Mode Decomposition(EEMD),and the EMCC coefficient was defined to describe the cross-correlation between any two signals in the time domain.The proposed method was applied to extract and analyze the feature of vibration signals of the lateral damper performance degradation(from 90%to 10%)of high-speed train bogies.The lateral damper performance degradation were divided into four degeneration intervals,the average precision was 95.2%.Thus,quantitative degradation assessment of sample data was realized.And the feasibility and validity of this method was verified.

vibration and wave;high-speed train;empirical mode cross-correlation coefficient;empirical mode cross-correlation method;performance degradation;feature extraction

TP391

A

10.3969/j.issn.1006-1335.2015.02.014

1006-1355(2015)02-0057-04

2014－09－28

國家自然科學(xué)基金重點(diǎn)項(xiàng)目(61134002)

井波（1988－），男，河北省保定市人，碩士研究生，主要研究方向模式識別。E-mail:375160170@qq.com。

金煒東(1959－)，男，西南交通大學(xué)電氣學(xué)院，教授，主要研究智能信息處理。