基于复合多尺度排列熵的轨枕状态诊断方法

邵志慧，杨 俭，袁天辰，伍伟嘉

(上海工程技术大学 城市轨道交通学院，上海201620)

我国高速铁路已进入快速建设和规模化运营时期，成果举世瞩目，高铁已成为我国最重要的国家名片之一。然而，铁路系统在长期服役的过程中，受到列车荷载、恶劣的环境和其内部应力等外因和内因的作用下，各种故障日益显现，如有砟轨道的典型故障轨枕空吊、道床翻浆等严重威胁着列车的行车安全。目前，国内外主要依靠轨检车和人工定期检测来完成针对轨道故障的检测和轨道的日常养护，主要缺点是劳动强度大、效率低、漏检率高[1]，若没有及时地发现轨道的故障，则有可能导致列车脱轨倾覆等无法挽回的后果。因此，对轨道结构的故障进行实时监测、故障判断和故障等级预警具有科学和现实意义。

由于轨道各层级结构之间的连接不是完全刚性的，当轨道系统中的某一部件出现故障时，整个轨道结构的动力学特性将会发生改变，基于这一特性，可以通过分析轨道结构在列车作用下的振动响应来判断其故障。因此，如何从轨道结构的振动响应中提取出故障信息是识别轨道故障的关键。近年来，许多国内外学者将近似熵[2]、样本熵[3]、排列熵[4]、多尺度排列熵[5]等应用在故障识别领域，并获得了不错的识别效果。文献[6]通过提取机械一维振动数据的近似熵来表示原始信号的动态特征信息，并通过分类器准确地识别了故障类型。文献[7]结合集合经验模态分解和样本熵提取了自动机振动信号的故障特征，并利用粒子群算法优化的支持向量机对故障进行了诊断，试验表明，这一方法能够有效地对自动机故障进行识别。……