一种基于多源信息融合的列车走行系故障诊断装置及方法
【技术领域】
[0001] 本发明涉及城市轨道列车在途监测与安全预警关键技术领域，特别是一种列车走 行系故障诊断方法及装置。
【背景技术】
[0002] 随着中国社会经济的高速发展，我国城市化的进程逐渐深入，到2016年预计城轨 线路总长度将达到3500公里，有逾60个城市的超过3万辆城轨车辆将于2020年投入运营。 城轨交通的快速发展及大量车辆的投入使用，使车辆的运营安全成为近年来关注的焦点。
[0003] 城轨车辆走行系由于工作环境复杂，当载荷冲击过大或者受到安装设计不当、润 滑状态不良等因素影响时，容易出现各种故障，是城轨车辆中最易损坏的系统之一，对它 进行实时监测是保障城轨车辆行车安全的重要手段，同时也是提供更高客运服务质量的关 键，因此针对城轨车辆走行系的状态进行实时监测及故障预警与诊断具有重大的现实意 义。
[0004] 目前，我国对列车走行系故障诊断仍停留在手工测量方式为主，手工测量不仅劳 动强度大，过程繁琐，而且由于测量工具的落后，难以避免人为的测量误差。倘若在检修环 节中应用在线的监测系统，构成一个自动诊断装置，不但可以使得检测人员从高强度的劳 动和复杂的数据分析中解脱，而且能为检修提供可靠的技术保证。对于城轨车辆走行系自 动诊断装置的研宄，目前主要集中在对振动信号的时频分析上，如小波分析法、短时傅里叶 变换、经验模式分解、幅值谱特征等，这些方法都是针对单一传感器、单一故障模式进行分 析，而城轨车辆走行系故障影响因素众多，且相互关联，故障的多样性、不确定性和各种故 障之间的复杂性构成了故障诊断的难点，因此仅靠单一传感器和单一故障特征量的方法难 以完成城轨车辆走行系故障精确诊断。
【发明内容】
[0005] 本发明的目的在于提供一种成本低、多源信息融合的列车走行系故障诊断装置， 将轨旁振动信号、轴温信号、走行系轴箱振动信号以及构架振动信号进行多源融合，实时在 线监测走行系质量状况。
[0006] 实现本发明的技术解决方案是：一种基于多源信息融合的列车走行系故障诊断装 置，包括轨旁故障预警装置和车载故障诊断装置；
[0007] 所述轨旁故障预警装置包括布置于轨道一侧的轨旁振动传感器和温度传感器，用 于采集走行系的轨旁振动信号和轴温信号；
[0008] 所述车载故障诊断装置包括轴箱振动传感器和构架振动传感器，用于采集走行系 的轴箱振动信号和构架振动信号。
[0009] 作为一种具体的实施例，所述轨旁振动传感器、轴箱振动传感器和构架振动传感 器为压电式加速度传感器；所述温度传感器为在线式红外测温传感器。
[0010] 本发明的另一个目的在于提供一种基于多源信息融合的列车走行系故障诊断方 法。 toon] 实现本发明的技术解决方案是：一种基于多源信息融合的列车走行系故障诊断方 法，包括以下步骤：
[0012] 步骤1 :对走行系的振动信号x(t)进行奇异值分解消噪，得到消噪后的信号 y(t)；
[0013] 步骤2 :对消噪后的信号y(t)进行总体平均经验模式分解，得到本征模态函数 IMFn;
[0014] 步骤3 :采用B型关联度法对所述本征模态函数IMFn进行虚假分量识别，提取真实 分量，利用真实分量的能量作为故障特征向量T，并对所述故障特征向量T进行归一化处理 得到Τ' ；
[0015] 步骤4 :将所述归一化后的故障特征向量Τ'作为支持向量机的训练集进行局部故 障诊断，输出振动信号的局部故障诊断结果；
[0016] 步骤5 :基于轴温信号进行走行系局部故障诊断，输出轴温信号的局部故障诊断 结果；
[0017] 步骤6 :采用改进的D-S证据理论对所述振动信号的局部故障诊断结果和轴温信 号的局部故障诊断结果进行决策融合，得到走行系的最终故障诊断结果。
[0018] 进一步地，步骤1中对走行系的振动信号x(t)进行奇异值分解消噪，具体步骤如 下：
[0019] (I. 1)振动信号X⑴表示为X = [XuX^X3,…，Xn]，构造吸引子轨迹矩阵Dm:
【主权项】
1. 一种基于多源信息融合的列车走行系故障诊断装置，其特征在于： 包括轨旁故障预警装置和车载故障诊断装置； 所述轨旁故障预警装置包括布置于轨道一侧的轨旁振动传感器和温度传感器，用于采 集走行系的轨旁振动信号和轴温信号； 所述车载故障诊断装置包括轴箱振动传感器和构架振动传感器，用于采集走行系的轴 箱振动信号和构架振动信号。
2. 根据权利要求1所述的一种基于多源信息融合的列车走行系故障诊断装置，其特征 在于： 所述轨旁振动传感器、轴箱振动传感器和构架振动传感器为压电式加速度传感器； 所述温度传感器为在线式红外测温传感器。
3. -种基于多源信息融合的列车走行系故障诊断方法，其特征在于，包括以下步骤： 步骤1 :对走行系的振动信号x(t)进行奇异值分解消噪，得到消噪后的信号y(t); 步骤2 :对消噪后的信号y(t)进行总体平均经验模式分解，得到本征模态函数IMFn; 步骤3 :采用B型关联度法对所述本征模态函数IMFn进行虚假分量识别，提取真实分 量，利用真实分量的能量作为故障特征向量T，并对所述故障特征向量T进行归一化处理得 到Τ' ； 步骤4 :将所述归一化后的故障特征向量Τ'作为支持向量机的训练集进行局部故障诊 断，输出振动信号的局部故障诊断结果； 步骤5 :基于轴温信号进行走行系局部故障诊断，输出轴温信号的局部故障诊断结果； 步骤6 :采用改进的D-S证据理论对所述振动信号的局部故障诊断结果和轴温信号的 局部故障诊断结果进行决策融合，得到走行系的最终故障诊断结果。
4. 根据权利要求3所述的一种基于多源信息融合的列车走行系故障诊断方法，其特征 在于： 步骤1中对走行系的振动信号x(t)进行奇异值分解消噪，具体步骤如下： (1. 1)振动信号X (t)表示为X = [X1, X2, X3,…，xN]，构造吸引子轨迹矩阵Dm:
式中：τ为时间延迟，m为嵌入维数，N为振动信号的分量个数，n = N-(m-1) X τ ; (1.2)采用复自相关法选择时间延迟τ，时间序列{χη}的复自相关函数为：
I /Vl 式中，CC/r) = ;Z·^#，m为嵌入维数，j为延时时间的倍数，取iC⑴的第一个 N i=G 过零点为时间延迟τ ; (1. 3)对矩阵0111进行奇异值分解： Dm= USV 其中，U e RmXn，V' e RnXn，且 uu' = I，W' = I，S = diag(〇 ρ σ2，…，〇r)，m 为嵌 入维数，n为第n个振动信号分量，（〇1，〇2，…，（^)为矩阵Dm奇异值分解后的对角矩阵， 其中％为奇异值分量，R mxn为mXn维实数矩阵； (1. 4)将噪声信号对应的奇异值置0,