EEMD分解与多特征结合的地铁一系悬挂故障诊断

许官儒，戴焕云

(西南交通大学 牵引动力国家重点实验室，四川 成都 610031)

0 引言

地铁列车一系悬挂主要有一系钢弹簧和一系垂向减振器，一系钢弹簧起到连接和缓冲的作用，储存并释放能量，一系垂向减振器可以衰减构架与轮对之间的振动，减小轮轨冲击。在日常检修过程中，多次出现一系钢弹簧断裂[1]和一系垂向减振器失效的情况[2]。故障悬挂将会影响车辆动力学性能，甚至影响列车运行安全性，因此监测一系悬挂故障状态很有必要。由于列车振动信号具有较强的非线性与非平稳性特征，传统的时域分析和频域分析方法使用受限，如傅里叶变换通常是建立在平稳信号基础上，因此一些时频分析法引入到信号处理中，如小波分析法[3]，但其依赖于小波基函数的选取，实际应用时效果难以达到预期。秦娜等[4]提出一种基于聚合经验模态分解(EEMD)并结合样本熵测度对高速列车转向架故障特征进行识别的方法；金子博等[5]提出城轨车辆二系悬挂故障时，均方根值和方差更适合作为频谱变化的量化指标；刘棋等[6]将EEMD与熵特征结合，准确识别了高速列车蛇形失稳状态。

本文通过选取构架垂向振动信号的多个时域统计指标，与EEMD分解后的IMF样本熵进行组合，组成高维特征向量输入到支持向量机，提高了故障分类准确率。

1 EEMD与样本熵计算

1.1 构架振动信号的EEMD分解

经验模态分解(EMD)是由黄锷教授提出的一种对非平稳信号进行自适应分解的信号分析法[7]，但其在使用过程中存在模态混叠的问题。……