基于K-means++聚类分析的轮轨垂向力基线漂移预处理研究

来源：振动与冲击杂志2025年第9期北京时间：

作者：施亦非，王锋yz@swjtu，石佳，黄宇峰

单位：西南交通大学轨道交通运载系统全国重点实验室，成都610031

摘要：采集轮轨垂向力等强冲击能量的振动信号时，受传感器特性和环境影响，测得信号中存在基线漂移，严重影响后续数据分析处理。曲线拟合和密度聚类是修正基线漂移的常见方法，通过选取特定信号区间作为基点进行拟合，可有效去除基线漂移；然而，由于基点选取极度依赖先验知识，限制了其应用范围。为解决该问题，提出一种基于K-means++聚类分析的轮轨垂向力基线漂移预处理方法。首先，选取基尼系数和方差，在欧氏空间准确表征载荷与无载荷数据段的差异，进而引导K-means++聚类；随后，基于K-means++聚类选取无载荷数据段，量化信号的基线漂移干扰；最后，以无载荷数据段为基点，拟合并修正基线漂移。经过仿真和实测数据分析，与最小二乘法 (LS) 、经验模态分解 (EMD) 和密度聚类 (DBSCAN) 相比，该方法在信噪比 (SNR) 、均方误差 (MSE) 、基线去除误差 (BDE) 和运行时间等方面均有一定优势。结果表明，基于基尼系数和方差的K-means++聚类分析，克服了密度聚类分析的先验知识依赖，可有效修正轮轨垂向力基线漂移，有望用于其他强冲击能量振动信号的数据预处理。<br>

关键词：轮轨力；基线漂移；K-means++；基尼系数；聚类分析