[发明专利]基于最大熵谱分析的高速动车组轴箱振动主频预测方法

说明书

本发明公开了一种基于最大熵谱分析的高速动车组轴箱振动主频预测方法，通过短时最大熵谱法的到三维时频图和速频图中，振动主频变化更清晰，由车速、不圆阶次和波磨波长等相关因素的边频和倍频的到明显的减弱或消除，显示的振动主频随时间的变化趋势更清晰。根据振动主频随车辆运行速度的变化规律，与传统短时FFT方法相比，最大熵谱法得到的速频图能更清晰且准确地显示振动主频随车辆运行速度的线性关系，能准确地预测振动主频随速度的发展趋势。根据振动主频和车速的线性关系，能准确判断车辆不圆阶次和钢轨波磨波长，结合车辆部件模态信息，预测振动主频是否接近车辆部件振动模态引发共振。

技术领域

本发明属于高速动车组轴箱振动谱分析技术领域，具体涉及一种基于最大熵谱分析的高速动车组轴箱振动主频预测方法。

背景技术

熵在信息论中是反映信息度量的一个量。某随机事件的随机性越大，即不确定性越高，则熵值也越大，所携带的信息量亦越大，最大熵谱估计是Burg于1967年提出的一种现代功率谱计算方法，其根据信息在已知有限延迟点上的自相关函数值保持不变，按最大熵准则将未知延迟点的自相关函数进行外推后而获其功率谱密度估计，即根据熵量最大的准则，由已知自相关函数，外推未知自相关函数后获得信号谱估计，亦即可保证已知信息量不变化，又获得估计已知的信息量最大。这种方法是一种可获得高分辨率的非线性谱估计方法，特别适用于短数据序列的谱估计，获得明显的效果。

对于平稳的随机信号，其功率谱密度是自相关函数的傅里叶变换，由于平稳随机序列是无限长的，其自相关函数也是无限的，而在实际中采集的数据总是有限的，只能通过采集的有限数据来估计信号的功率谱。在传统功率谱估计中，往往假设采集的有限数据以外的数据为0，相当于对数据加窗函数，通过采集的数据估计自相关函数，再通过FFT求出功率谱，这样必然会产生误差，存在分辨率低、边频和谱线泄漏等问题。最大熵谱估计的基本思想是对所测量的有限数据以外的数据不作任何确定性假设，而是在信息熵为最大的前提下根据已知的有限数据自相关序列以外的数据用外推法求得，并估计出待检测信号的功率谱密度。

动车组列车在高速运行过程中，由于受到线路条件、轨道激扰、车轮不圆、钢轨波磨、转向架和车体振动的影响，轴箱振动剧烈，振动加速度幅值大、频率高，频率成分较复杂。特别是受到周期性的车轮不圆和钢轨波磨的冲击，容易出现与车轮不圆阶次和钢轨波磨波长相关的，与车速成等比例的边频和倍频。

采用FFT方法在进行轴箱振动加速度频谱分析时，与车速成等比例的边频和倍频容易造成误解，这是由于车轮高阶不圆阶次和钢轨波磨波长产生的高频振动与车轮低阶不圆(如一阶偏心或二阶不圆)产生频率混叠造成的，而实际振动信号中边频和倍频所对应的频率可能不存在。为了消除频谱的边频和倍频影响，需要选择更准确、精度更好的频率分析方法。

发明内容

针对现有技术中的上述不足，本发明提供的基于最大熵谱分析的高速动车组轴箱振动主频预测方法解决了采用传统的FFT方法进行振动主频预测时，没有消除频谱边频和倍频的影响，造成振动主频预测不够准确的问题。

为了达到上述发明目的，本发明采用的技术方案为：基于最大熵谱分析的高速动车组轴箱振动主频预测方法，包括以下步骤：

S1、获取高速动车组轴箱振动加速度数据，并将其划分为若干时间片的加速度数据；

S2、依次计算每个时间片内加速度数据的最大熵功率谱，并通过对最大熵功率谱进行二次开放运算得到对应的最大熵幅值谱；

S3、根据每个时间片的最大熵幅值谱，绘制三维频谱分布图；

S4、根据绘制的三维频谱分布图，进行振动主频预测。

进一步地，所述步骤S1具体为：

S11、计算获取的加速度数据对应时间片的总个数N；

S12、根据时间片的总个数，确定每个时间片的开始时间；