关键词:
捣固车
液压系统
特征提取
故障诊断
支持向量机
摘要:
捣固车在我国的铁路运输业已经得到了广泛的应用,其对我国铁路轨道的质量安全检测具有非常重要的作用。捣鼓车有很多部件组成,其中液压系统是重要的一环,在对轨道的检测过程中,有着非常重要的作用,且在实际作业过程存在着故障发生的机率,因此对其进行故障诊断有着非常重要的研究价值本文对信号处理技术进行了一定的研究,并且提出改进的方法。对分类器也进行了研究,选取SVM模型进行分类识别,对故障信号进行诊断,同时基于改进的PSO算法对支持向量机的参数进行寻优,以提升模型的准确率。本文介绍了EMD降噪方法,小波包的降噪方法和CEEMDAN降噪方法,并提出了改进的小波包结合CEEMDAN的阈值降噪方法。采用模糊熵算法来表征故障信号反应的特征,并用来进行分析。采集到的信号具有较多的噪声,通过小波包的方法对信号先行去噪,然后进行信号重构,降低噪声含量,对重构的信号通过CEEMDAN方法进行信号的分解,得到固有模态分量IMF。其次,根据连续均方误差对信号主导和噪声主导的IMF分别采用改进的不同阈值法进行去噪,然后,将各自处理后的IMF分量进行组合,重构得到信噪比较高的有用信号。然后对上一步得到的信号,输入CEEMDAN进行处理,得到相应的IMF分量。对模态分量进行分析,获取频率较高的分量,代表主要故障信息。利用模糊熵算法对其进行计算,对计算的结果作为表征信号内在特征的特征向量输入数据样本。设计实验进行验证改进的小波包结合CEEMDAN的阈值降噪信号处理方法,可以更加有效的去除噪声,提高信号的信噪比。本文故障识别采用支持向量机分类器,以二分类SVM为基础,构建多分类模型,对模型的关键参数利用PSO算法进行优化,并进一步,对PSO进行改进优化,提升其全局寻优能力,以便提高分类器的诊断识别能力。然后,选用改进的粒子群优化算法对SVM选择最优参数构建SVM最优故障诊断模型,将该分类模型应用到液压系统的故障诊断中。经过实验验证其分类性能的有效提升。