基于多重分形理论的地铁车辆平轮故障诊断

王锋涛，敖银辉

(广东工业大学 机电工程学院，广东 广州 510006)

0 引言

车轮是轨道车辆的关键部件，踏面故障会造成轮轨间剧烈的振动冲击，在不同车速、轮重及损伤程度下，其冲击载荷甚至能达到正常情况的数十倍。异常冲击不仅会形成环境噪声，影响乘车舒适度，而且会严重破坏钢轨和路基[1]。

多重分形理论能够很好地反映振动信号的集合结构特征，并能全面描述振动信号的波动程度和振动的剧烈程度，为机械设备故障诊断提供了一种有效的方法。张淑清[2]等对滚动轴承的振动信号进行多重分形特征提取，并用模糊C均值聚类进行分类，取得了良好的故障识别效果。李冬冬[3]等用多重分形谱和支持向量机的检测方法，实现了行星齿轮箱的故障检测。张美兰[4]等用多重分形与异谱分析理论，实现了高速列车运行状态有效识别。褚青青[5]等计算振动时间序列的多重分形谱能和广义分形维数谱能，并用神经网络算法进行识别，实现了齿轮箱故障的准确判别。

支持向量机对于小样本、非线性数据的识别，具有许多特别的优势[6]。邢宗义[7]等用粒子群优化的支持向量机对城轨列车的轮对尺寸进行了预测，证实了其可行性和有效性。陈芳[8]等用遗传算法优化的支持向量机实现了对齿轮箱故障的识别，并与神经网络算法进行对比，结果表明支持向量机在故障识别方面有更好的表现。本文基于多重分形理论对地铁车辆平轮故障进行诊断。……