[发明专利]基于线性判别法的列车悬挂系统故障分离方法

说明书

技术领域

本专利属于铁路运输技术领域，尤其涉及一种基于线性判别法的列车悬挂系统故障分离方法。

背景技术

列车悬挂系统的动力学特性在垂向与横向上有耦合作用，再加上列车的悬挂系部件的非线性、车体的柔性结构等诸多因素决定了比较难以获得一个准确的列车悬挂系统的数学模型。所以，基于模型的故障诊断方法存在建模误差、过程复杂、计算负担较大等多种限制因素。数据驱动的故障诊断方法在近年来得到了广泛的重视与研究，取得了长足的发展。而基于Fisher判别分析法的故障诊断方法就是其中很重要的一种。

Fisher判别法，是一种线性判别分析（LDA，Linear Discriminant Analysis）方法，由于它在将数据降低维数的时候考虑到了样本的类别，因而广泛地应用于模式识别领域中。这种方法最早由Fisher在1936年提出，它的基本思想是投影，即将k组m元数据进行投影，使得投影后组与组之间尽可能地分开。这种判别方法的优点是，不需要精确的数学模型以及对总体的分布情况不做任何要求，通过将数量很大的特征变量减少到较少的几个线性组合，从而形成维数较小的k个总体的方便的表示。

发明内容

本专利公开了一种基于线性判别法的列车悬挂系统故障分离方法。本专利的主要研究内容是基于Fisher判别分析法的数据特征提取及其在列车悬挂系统故障诊断中的应用。通过将仿真得到的正常数据和各类故障数据集合训练得到诊断判别函数，来对新的检测数据做出判别诊断。

本发明的目的通过以下技术方案来实现：

基于线性判别法的列车悬挂系统故障分离方法，该分离方法包括如下步骤：

1)利用车体以及转向架加速度传感器获取列车运行时各个位置的加速度信号；

2)对所述各加速度信号进行抗混叠滤波、高通滤波、二次积分处理，获得列车悬挂系统位移输出；

3)根据步骤2的位移输出，分别通过时域特征计算得到时域信息，和做快速傅立叶变换，通过频域特征计算获得故障信号频域信息，这样就得到行向量，得到选取的训练样本；

4)对训练样本作归一化处理，得到新的训练样本，分别计算得到各类训练样本的均值向量和总训练样本的均值向量；

5)分别计算出各类训练样本的类间散度矩阵的和矩阵B，和类内散度矩阵A，然后求出A^-1B的特征值和特征向量，将正的特征值降序排列，根据判别能力P的要求得到判别函数的个数，继而得到判别矩阵V；

6)对待测样本点进行归一化处理，再将其投影到判别矩阵V上得到待测点投影，然后求出待测点投影到各类样本投影的马氏距离，将它们取绝对值后进行比较，最后将待测观测对象即判归为距离最小的那个类。

所述步骤3中的时域特征为：力矩系数：

mn=1NΣi=1Nxin]]>

其中，x_i是i时刻的数据；N是数据的总数。