吉林大学学报(工学版) ›› 2019, Vol. 49 ›› Issue (5): 1465-1470.doi: 10.13229/j.cnki.jdxbgxb20180559

• • 上一篇    

基于多传感器数据融合的轨道车辆齿轮箱异常检测

刘玉梅1(),乔宁国1,庄娇娇1,刘鹏程1,胡婷1,陈立军2()   

  1. 1. 吉林大学 交通学院，长春 130022
    2. 吉林大学 大数据和网络管理中心，长春 130022
  • 收稿日期:2018-06-04 出版日期:2019-09-01 发布日期:2019-09-11
  • 通讯作者: 陈立军 E-mail:lymlls@163.com;clj@jlu.edu.cn
  • 作者简介:刘玉梅(1966-),女,教授，博士生导师.研究方向:轨道车辆工程,车辆智能化检测及诊断.E-mail:lymlls@163.com
  • 基金资助:
    国家自然科学基金项目(51575232);吉林省科技厅重点科技攻关项目(20160204018GX)

Anomaly detection of rail vehicle gearbox based on multi⁃sensor data fusion

Yu-mei LIU1(),Ning-guo QIAO1,Jiao-jiao ZHUANG1,Peng-cheng LIU1,Ting HU1,Li-jun CHEN2()   

  1. 1. College of Transportation, Jilin University, Changchun 130022, China
    2. Big Data and Network Management Center, Jilin University, Changchun 130022, China
  • Received:2018-06-04 Online:2019-09-01 Published:2019-09-11
  • Contact: Li-jun CHEN E-mail:lymlls@163.com;clj@jlu.edu.cn

RICH HTML

 4   

PDF (PC)

163

摘要：

针对轨道车辆齿轮箱监测测点多、数据量大、数据融合程度低等特点，提出一种基于相关函数融合算法与模糊C均值聚类结合的齿轮箱异常检测方法。相关函数融合算法用于将齿轮箱多个测点采集的振动信号融合为一个能全面反映齿轮箱运行状态的信号；对融合信号进行聚合经验模态分解，并计算奇异熵、能量熵；采用模糊C均值聚类算法对特征集进行簇划分，判断齿轮箱含有几类异常情况。通过实际线路运行数据的采集与分析，验证了本文方法的有效性。

关键词: 铁路运输, 轨道车辆, 齿轮箱异常检测, 相关函数融合算法, 模糊C均值聚类

Abstract:

Because the characteristics of many monitoring points, large data and low degree of data fusion of the gearbox in a rail vehicle, an anomaly detection method of the gearbox is proposed based on the correlation function fusion algorithm and fuzzy C means clustering. The correlation function fusion algorithm is employed to fuse the vibration signals collected from many monitoring points into a signal which can fully reflect the running state of the gearbox. The ensemble empirical mode decomposition (EEMD) method is applied to decompose the fused signal, and the energy entropy and singular entropy of the first n intrinsic mode functions (IMFs) are calculated. The fuzzy C means (FCM) clustering algorithm is employed to cluster the feature set to determine several abnormal situations in the gearbox. Through collection and analysis of the data during actual operation, the effectiveness of the proposed method is verified.

Key words: railway transportation, rail vehicle, anomaly detection of gearbox, correlation function fusion algorithm, fuzzy C means clustering

中图分类号: 

  • U260

图1

轨道车辆齿轮箱异常检测流程图"

图2

1轴输出端轴承外滚道剥离情况"

图3

齿轮箱上传感器测点"

图4

频谱图"

表1

信号间相关系数"

测点 1 2 3 4
1 1 0.4910 0.4008 0.4184
2 0.4910 1 0.6951 0.4473
3 0.4008 0.6951 1 0.4679
4 0.4184 0.4473 0.4679 1

图5

融合信号"

图6

融合信号频谱图"

图7

EEMD熵特征"

图8

C=2~4，FCM的聚类结果"

1 袁雨青, 李强, 杨光, 等 . 高速列车齿轮箱线路测试与异常振动分析[J]. 铁道机车车辆, 2016, 36(1): 24-29.
Yuan Yu-qing , Li Qiang , Yang Guang , et al . Line test and abnormal vibration analysis of high speed train gearbox[J]. Railway Locomotive & Car, 2016, 36(1): 24-29.
2 雷亚国, 林京, 何正嘉 . 基于多传感器信息融合的行星齿轮箱故障诊断 [C]⫽2010年全国振动工程及应用学术会议,沈阳, 2010: 216-218.
3 Liu Y , Fan X , Lyv C , et al . An innovative information fusion method with adaptive kalman filter for integrated INS/GPS navigation of autonomous vehicles[J]. Mechanical Systems & Signal Processing, 2017, 100: 605-616.
4 徐旺敏, 张宇驰, 刘伍根, 等 . 基于相关函数的泄洪闸闸墩结构振动响应多测点融合研究[J]. 长江科学院院报, 2015, 32(11): 110-114.
Xu Wang-min , Zhang Yu-chi , Liu Wu-gen , et al . Research on multi point fusion of vibration response of floodgate pier structure based on correlation function[J]. Journal of Yangtze River Scientific Research Institute, 2015, 32(11): 110-114.
5 Liu Y M , Zhao C C , Xiong M Y , et al . Assessment of bearing performance degradation via extension and EEMD combined approach[J]. Journal of Central South University (English Edition), 2017, 24(5): 1155-1163.
6 贾凡, 严妍, 张家琪 . 基于K-means聚类特征消减的网络异常检测[J]. 清华大学学报: 自然科学版, 2018, 58(2): 137-142.
Jia Fan , Yan Yan , Zhang Jia-qi . K-means based feature reduction for network anomaly detection[J]. Journal of Tsinghua University (Science and Technology), 2018, 58(2): 137-142.
7 王军辉, 贾嵘, 谭泊 . 基于EEMD和模糊C均值聚类的风电机组齿轮箱故障诊断[J]. 太阳能学报, 2015, 36(2): 319-324.
Wang Jun-hui , Jia Rong , Tan bo . Fault diagnosis of wind turbine gearbox based on EEMD and fuzzy C means clustering[J]. Acta Energiae Solaris Sinica, 2015, 36(2): 319-324.
8 Wu Z , Huang N E . Ensemble empirical mode decomposition: a noise-assisted data analysis method[J]. Advances in Adaptive Data Analysis, 2009, 1(1): 1-41.
9 Mok P Y , Huang H Q , Kwok Y L , et al . A robust adaptive clustering analysis method for automatic identification of clusters[J]. Pattern Recognition, 2012, 45(8): 3017-3033.
[1] 赖晴鹰,刘军,赵若愚,骆泳吉,孟令云,徐亚之. 基于变间距动态规划的中高速磁悬浮列车 速度曲线优化[J]. 吉林大学学报(工学版), 2019, 49(3): 749-756.
[2] 尹紫红, 朱波, 邵国霞, 孔德惠, 蒋良潍. 铁路超重货物作用下的轨道路基响应[J]. 吉林大学学报(工学版), 2017, 47(5): 1446-1452.
[3] 左静, 帅斌, 黄文成. 改进距离熵权MULTIMOORA的铁路应急救援方案搜索[J]. 吉林大学学报(工学版), 2017, 47(4): 1068-1074.
[4] 牛治慧, 苏建, 张益瑞, 徐观, 谭富星. 基于转向架试验台的轨道不平顺模拟试验[J]. 吉林大学学报(工学版), 2017, 47(2): 400-407.
[5] 王启明, 苏建, 张兰, 陈秋雨, 徐观. 基于L-M算法的正交Stewart平台位姿正解的初值补偿[J]. 吉林大学学报(工学版), 2017, 47(1): 97-104.
[6] 张益瑞, 苏建, 张兰, 谭富星, 徐观. 轨道车辆转向架一系悬挂刚度测定[J]. 吉林大学学报(工学版), 2016, 46(4): 1083-1089.
[7] 刘玉梅, 赵聪聪, 熊明烨, 郭文翠, 张志远. 基于物元模型的高速轨道车辆传动系可靠性评价[J]. 吉林大学学报(工学版), 2015, 45(4): 1063-1068.
[8] 石怀龙, 宋烨, 邬平波, 曾京, 朱海燕. 高速动车组转向架悬挂刚度特性[J]. 吉林大学学报(工学版), 2015, 45(3): 776-782.
[9] 王秀刚, 苏建, 曹晓宁, 徐振, 卢海隔, 田宗举. 基于旋转矩阵正交性的转向架6自由度平台位姿正解解算[J]. 吉林大学学报(工学版), 2013, 43(05): 1241-1246.
[10] 曹晓宁, 刘玉梅, 苏建, 王秀刚, 李卓. 转向架质心高度的测定[J]. 吉林大学学报(工学版), 2013, 43(02): 329-333.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 《吉林大学学报(工学版)》编辑部
地址：长春市人民大街5988号　电话：+86-431-85095297　传真：+86-431-85094074　E-mail: xbgxb@jlu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发