本技术公开了一种基于数据驱动的重载机车一系钢弹簧损伤检测方法,属于重载机车一系弹簧损伤检测技术领域。所述检测方法包括以下步骤:S1:获取重载机车的构架垂向振动响应信号,并对其进行预处理,获得样本集;S2:将样本集划分为训练集、测试集与验证集,并进行标准化处理;S3:构建一系弹簧损伤检测模型;S4:采用所述训练集和验证集对一系弹簧损伤检测模型进行训练、调整,获得最终的一系弹簧损伤检测模型;S5:采用测试集对最终的一系弹簧损伤检测模型进行评估验证,实现目标重载机车的一系钢弹簧损伤检测。本发明能够实现重载机车一系弹簧损伤的智能分级检测,具有准确高效、泛化能力强等特点,有望发展成为一系弹簧损伤的长期监测方法。
背景技术
近年来,我国重载机车一系钢弹簧断裂失效的故障时有发生。作为重载机车一系悬挂系统的关键部件,一系钢弹簧连接轴箱和构架,在车辆运行中起到连接、定位、减振缓冲的作用,可以有效减小轮轨不平顺产生的垂向和横向振动,提高车辆运行平稳性。然而,随着重载列车运量的增加和速度的提升,轮轨间的激扰不平顺问题变得更加严重,这加剧了一系钢弹簧的高频高幅振动,导致弹簧容易发生疲劳失效甚至断裂。一系钢弹簧失效将直接影响重载列车运行的平稳性与安全性,同时也会极大地增加运营维护成本。因此,有必要对一系钢弹簧损伤状态进行准确检测,以便有效指导机车钢弹簧日常维护,保障重载机车长期健康稳定运营。
现有一系钢弹簧损伤检测方法包括基于模型的方法和基于数据驱动的方法。基于模型的方法主要利用卡尔曼滤波、主成分分析法、最小二乘法等传统方法建立故障检测和隔离系统(FD/I)对轨道车辆的悬挂系统进行状态监测。但上述方法非常依赖于动力学模型的准确性,并且动力学模型的计算是一项耗时的任务。近年来随着人工智能的发展,基于数据驱动的方法逐渐受到广泛关注。但由于重载机车悬挂系统的振动响应受到剧烈随机不平顺和复杂运行条件的干扰,故障特征往往被强背景噪声掩盖且表现出复杂非平稳特性,目前实现一系钢弹簧的自适应特征提取与精确故障识别仍然是一项具有挑战性的任务。
实现思路