基于HHT能量和最大李雅普诺夫指数的蛇行分类方法技术

本发明专利技术公开了基于HHT能量和最大李雅普诺夫指数的蛇行分类方法，包括以下步骤：S1、通过对仿真获得的不同运行状态下的构架横向加速度信号进行频域及周期性分析，确定蛇行分类阈值；S2、对实时采集的构架横向加速度信号进行HHT能量计算和最大Lyapunov指数分析，得到对应的HHT能量值和最大Lyapunov指数，并根据蛇行分类阈值对其进行蛇行分类及蛇行程度确定，完成当前蛇行分类。本发明专利技术利用HHT能量法与最大Lyapunov指数相结合，对车辆系统进行不同运行状态的定性识别和蛇行程度大小的定量分析，以实现对蛇行运动的具体监测。以实现对蛇行运动的具体监测。以实现对蛇行运动的具体监测。

【技术实现步骤摘要】
基于HHT能量和最大李雅普诺夫指数的蛇行分类方法


[0001]本专利技术属于高速列车运行监测
，具体涉及一种基于HHT能量和最大李雅普诺夫指数的蛇行分类方法。

技术介绍

[0002]蛇行运动是车辆动力学系统的核心问题之一，车辆在运行过程中发生收敛较慢的小幅蛇行或者剧烈的大幅蛇行都会严重的影响车辆运行安全。因此，对车辆小幅蛇行和大幅蛇行的在线监测都至关重要。
[0003]现有的高速列车蛇行失稳在线监测存在以下不足：（1）现有的蛇行监测标准将构架横向加速度信号峰值连续6次达到8m/S2时视为大幅蛇行，但实际过程中即使构架横向加速度没有达到现有的监测标准也会出现大幅的振动。此外，现有标准没有考虑蛇行失稳对车辆动力学的影响程度，仅用一个固定值来评判是否产生蛇行，具有一定的局限性。
[0004]（2）某些车辆可能受到外界突发因素的干扰（轨道不平顺、侧风等），虽然发生了明显的谐波振动，但只是运行中的极少时刻，对运行安全性没有较大的而影响，此时出现蛇行报警采取降速措施过于严格。

技术实现思路

[0005]针对现有技术中的上述不足，本专利技术提供的基于HHT能量和最大李雅普诺夫指数的蛇行分类方法了上述
技术介绍
中的问题。
[0006]为了达到上述专利技术目的，本专利技术采用的技术方案为：基于HHT能量和最大李雅普诺夫指数的蛇行分类方法，包括以下步骤：S1、通过对仿真获得的不同运行状态下的构架横向加速度信号进行时域、频域及周期性分析，确定蛇行分类阈值；S2、对实时采集的构架横向加速度信号进行HHT能量计算和最大Lyapunov指数分析，得到对应的HHT能量值和最大Lyapunov指数，并根据蛇行分类阈值对其进行蛇行分类及蛇行程度确定，完成当前蛇行分类；其中，蛇行分类结果包括正常运行、快速蛇行收敛、小幅蛇行以及大幅蛇行，所述快速蛇行收敛为车辆在预设时间内发生对运行安全没有影响的谐波振动的运行行为。
[0007]进一步地，所述步骤S1具体为：S11、仿真获得不同运行状态下的构架横向加速度信号；其中，不同运行状态包括正常运行、快速蛇行收敛、小幅蛇行以及大幅蛇行；S12、对构架横向加速度信号进行预处理，获得分析信号；S13、对分析信号进行EMD分析，并计算最终边际谱；S14、根据最终边际谱计算HHT能量值；S15、基于计算出的HHT能量值，利用SVM分类方法确定第一蛇行分类阈值；
其中，第一蛇行分类阈值用于区分正常运行、小幅蛇行以及大幅蛇行；S16、利用最大lyapunov指数对构架横向加速度信号进行分析，确定最大lyapunov指数值；S17、基于计算出的最大Lyapunov指数值，利用SVM分类方法确定第二蛇行分类阈值；其中，第二蛇行分类阈值用于区分快速蛇行收敛和蛇行失稳，其中蛇行失稳包括小幅蛇行和大幅蛇行。
[0008]进一步地，所述步骤S1中，对构架横向加速度信号进行预处理的方法具体为：对构架横向加速度信号进行0.5Hz
‑
10Hz的带通滤波，并提取时间长度在4s的构架横向加速度信号作为分析信号。
[0009]进一步地，所述步骤S13具体为：S13
‑
1、对各运行状态下的分析信号进行EMD分解，得到n个Imf分量信号；S13
‑
2、对Imf分量信号进行Hilbert变换，得到Imf分量信号的Hilbert谱，并进行时域上的积分，得到边际谱；S13
‑
3、在边际谱中，对主频在2Hz以上的边际谱进行叠加得到最终边际谱。
[0010]进一步地，所述步骤S13
‑
1中，对分析信号x(t)进行EMD分解的公式为：式中，c
i
为Imf分量信号，r
n
为残余函数，下标i为Imf分量信号序数，n为Imf分量信号总数；所述步骤S13
‑
2中，对Imf分量信号c
i
进行Hilbert变换的公式为：式中， G
i
(t)为Hilbert变换后的信号，为时间延长间隔，为时间延长间隔为时的Imf分量信号，t为时间，为圆周率；所述Imf分量信号c
i
的Hilbert谱为：式中，为幅值函数，为相位函数，为频率，RP为取实部，j为虚数单位，e
(.)
为指数函数；所述边际谱为：式中，T为分析信号时间长度；所述步骤S13
‑
3中的最终边际谱为：式中，为主频在2Hz以上的边际谱，k=1,2,
…
,l，k为主频在2Hz以上的边际谱序数，l为主频在2Hz以上的边际谱总数。
[0011]进一步地，所述步骤S14中，所述HHT能量值的计算公式为：
式中，为最终边际谱，为分析信号频率。
[0012]进一步地，所述步骤S16具体为：S16
‑
1、对各运行状态下的分析信号x(t)构造u维空间R
u
：式中，T1为延迟时间，，k1=1,2,
…
，为时间间隔；S16
‑
2、在u维空间R
u
中，取两条邻近轨迹L1和L2，起始点分别为x0和y0两起始点的距离为d0=y0‑
x0经过时间后分别运动到x0和y0此时距离为d1=y1‑
x1，循环至经过后得到m个d
j
，进而得到最大李雅普诺夫指数为：式中，j=1,2,
…
,m，m为迭代次数，d
j
=y
j
‑
x
j
。
[0013]进一步地，所述步骤S2具体为：S21、计算实时采集的构架横向加速度信号的HHT能量值，并根据第一蛇行分类阈值对其进行分类；S22、根据蛇行分类结果，判断当前是否正常运行；若是，则结束分类；若否，则进入步骤S23；S23、计算实时采集的构架横向加速度信号的最大Lyapunov指数，并根据第二蛇行分类阈值对其进行分类，并将当前计算的HHT能量值作为当前分类结果的蛇行程度的定量评估值。
[0014]本专利技术的有益效果为：本专利技术利用HHT能量法与最大李雅普诺夫（Lyapunov）指数相结合，对车辆系统进行不同运行状态的定性识别和蛇行程度大小的定量分析，以实现对蛇行运动的具体监测，具体优点如下：（1）考虑到现有蛇行监测标准仅仅研究各表征量的时域幅值具有一定的局限性，没有抓住蛇行的本质（频域以及周期性）特征，本专利技术提出的基于HHT的能量法从信号频域主频的大小与频谱的集中性以及频率值等方面来判断是否存在蛇行（包括小幅蛇行），并且定量分析蛇行程度的大小，对两个蛇行运动状态（小幅蛇行、大幅蛇行）的蛇行程度的大小进行定量的评估；（2）本专利技术中将车辆运行状态分为正常运行、小幅蛇行、大幅蛇行以及快速蛇行收敛四类，考虑到实际过程中车辆运行时由于外界因素的干扰，构架横向加速度信号可能会出现短时间大大幅或小幅的蛇行特征，对手收敛到正常运行，而该情况对车辆系统运行安全影响较小，因此本专利技术中对此类信号进行了进一步的分析，将其认为是不影响车辆系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于HHT能量和最大李雅普诺夫指数的蛇行分类方法，其特征在于，包括以下步骤：S1、通过对仿真获得的不同运行状态下的构架横向加速度信号进行时域、频域及周期性分析，确定蛇行分类阈值；S2、对实时采集的构架横向加速度信号进行HHT能量计算和最大Lyapunov指数分析，得到对应的HHT能量值和最大Lyapunov指数，并根据蛇行分类阈值对其进行蛇行分类及蛇行程度确定，完成当前蛇行分类；其中，蛇行分类结果包括正常运行、快速蛇行收敛、小幅蛇行以及大幅蛇行，所述快速蛇行收敛为车辆在预设时间内发生对运行安全没有影响的谐波振动的运行行为。2.根据权利要求1所述的基于HHT能量和最大李雅普诺夫指数的蛇行分类方法，其特征在于，所述步骤S1具体为：S11、仿真获得不同运行状态下的构架横向加速度信号；其中，不同运行状态包括正常运行、快速蛇行收敛、小幅蛇行以及大幅蛇行；S12、对构架横向加速度信号进行预处理，获得分析信号；S13、对分析信号进行EMD分析，并计算最终边际谱；S14、根据最终边际谱计算HHT能量值；S15、基于计算出的HHT能量值，利用SVM分类方法确定第一蛇行分类阈值；其中，第一蛇行分类阈值用于区分正常运行、小幅蛇行以及大幅蛇行；S16、利用最大lyapunov指数对构架横向加速度信号进行分析，确定最大lyapunov指数值；S17、基于计算出的最大Lyapunov指数值，利用SVM分类方法确定第二蛇行分类阈值；其中，第二蛇行分类阈值用于区分快速蛇行收敛和蛇行失稳，其中蛇行失稳包括小幅蛇行和大幅蛇行。3.根据权利要求2所述的基于HHT能量和最大李雅普诺夫指数的蛇行分类方法，其特征在于，所述步骤S1中，对构架横向加速度信号进行预处理的方法具体为：对构架横向加速度信号进行0.5Hz
‑
10Hz的带通滤波，并提取时间长度在4s的构架横向加速度信号作为分析信号。4.根据权利要求2所述的基于HHT能量和最大李雅普诺夫指数的蛇行分类方法，其特征在于，所述步骤S13具体为：S13
‑
1、对各运行状态下的分析信号进行EMD分解，得到n个Imf分量信号；S13
‑
2、对Imf分量信号进行Hilbert变换，得到Imf分量信号的Hilbert谱，并进行时域上的积分，得到边际谱；S13
‑
3、在边际谱中，对主频在2Hz以上的边际谱进行叠加得到最终边际谱。5.根据权利要求2所述的基于HHT能量和最大李雅普诺夫指数的蛇行分类方法，其特征在于，所述步骤S13
‑
1中，对分析信号x(t)进行EMD分解的公式为：式中，c
i
为Imf分量信号，r
n
为残余函数，下标i为Imf分量信号序数，...

【专利技术属性】
技术研发人员：王敏，宁静，王铎颖，刘鑫，李艳萍，陈春俊，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：