基于EEMD-ICA算法的地铁混合波长钢轨波磨识别
来源：电子测量技术杂志2023年第17期北京时间：
作者：许竞强，陈建政，吴越
单位：西南交通大学牵引动力国家重点实验室 成都 610031
摘要：地铁线路上常存在多种波长的钢轨波磨混合的情况，而目前的钢轨波磨识别方法主要适用于单一波长的钢轨波磨。针对混合波长的钢轨波磨识别问题，提出了一种基于集合经验模态分解独立分量分析的地铁多波长钢轨波磨识别算法。首先建立了车辆轨道耦合动力学模型和钢轨波磨激励模型，通过动力学计算得到混合波长的钢轨波磨作用下轴箱的振动加速度信号。对计算得到的轴箱振动加速度信号进行集合经验模态分解。引入相关系数筛选符合条件的本征模态分量，计算选择好的本征模态分量的能量平均值，通过设定能量阈值判断是否存在钢轨波磨，最后将选择的本征模态分量与源信号重构成多维信号，将重构的多维信号作为独立分量分析的输入矩阵以解决独立分量分析的欠定问题，定位分离结果的中心频率确定钢轨波磨波长。为了更好的验证本文算法，在广州某地铁线路上采集了波磨激扰下轴箱垂向振动加速度信号和线路不平顺水平，使用本文算法分析了实验数据。结果证明，在16 和315 mm两种不同的波磨波长混合激扰下，该方法依然可以识别出两种不同的波磨波长，而传统的小波包能量熵法和EEMD能量熵WVD法仅能识别振动特征较为明显的16 mm波长的波磨，即这两种方法不能应用于混合波长波磨识别的问题。本文的研究成果为地铁混合波长钢轨波磨的识别提供了理论支撑。
关键词：钢轨波磨;集合经验模态分解;独立分量分析;识别;振动加速度
基金资助：国家自然科学基金（U1734201）项目资助
