申请/专利权人：北京交通大学

申请日：2021-04-21

公开（公告）日：2023-01-06

公开（公告）号：CN113340625B

主分类号：G01M17/10

分类号：G01M17/10;G01M17/08

优先权：

专利状态码：有效-授权

法律状态：2023.01.06#授权;2021.09.21#实质审查的生效;2021.09.03#公开

摘要：本发明实施例提供了一种基于奇异值完全分解和固定字典极限学习机的转向架故障诊断方法，包括：步骤1，获取转向架数据，利用VMD变分模态分解算法对所述转向架数据进行分解，分解出多种本征函数；步骤2，使用奇异值完全分解算法对分解出的本征函数中的左右奇异值矩阵中的特征信息，进行分解及特征重构，完成二次特征提取；步骤3，利用固定字典极限学习机，对二次特征提取后的数据进行学习，以识别转向架的故障。

主权项：1.一种转向架故障诊断方法，其特征在于，包括：步骤1，获取转向架数据，并通过频谱分析获得中心频率的个数K，随后利用VMD变分模态分解算法对所述转向架数据进行分解，将其分解为K+1个模态，每个模态采样点数目与原信号一致；步骤2，使用奇异值完全分解算法对分解出的本征函数中的左右奇异值矩阵中的特征信息，进行分解及特征重构，完成二次特征提取；具体包括：首先使用奇异值分解对信号进行处理，分解结果描述如下：Mm×n＝Um×mΣm×nV*n×n1其中，M为特征矩阵，U为左奇异值矩阵，Σ为奇异值矩阵，V为右奇异值矩阵；由于左右奇异值矩阵都是单位正交矩阵，因此构造公式并通过描述矩阵内元素间联系的公式进行进一步分解；描述矩阵内元素间联系的公式如下所示： 其中,ui,j是矩阵U的i行j列的元素,λjU'是矩阵U'的第j个特征值，它与矩阵∑的第j个奇异值对应,λjPU'i是矩阵PU'i的第j个特征值,PU'i是U'去掉i行i列的子矩阵；于是矩阵Um×m和矩阵Vn×n中的元素表示为如下形式: 设定秩r,并将公式2至5代入可分离出一个右乘矩阵R： 对其求逆，并将其通过右乘消除，获得由奇异值信息和左右奇异值矩阵信息组成的特征矩阵；然后，将获得的特征矩阵投影在列向量上，获得大小为m的特征向量K；最后，通过如下公式对K同一数量级，获得最终的特征向量K'； 步骤3，利用固定字典极限学习机，对二次特征提取后的数据进行学习，以识别转向架的故障；所述步骤3采用固定字典极限学习机对特征进行训练，该方式采用了分层极限学习机的隐含层编码思想取消偏置矩阵，同时，采用参数可调的公式对权重矩阵中的元素进行赋值；所述步骤3算法流程具体如下：原始极限学习机的输出由如下公式表示： 其中，x是输入信号,a是输入权重矩阵,β是输出权重矩阵,g是激活函数；设神经节点数为n,输入信号长度为m，则权重矩阵的自动编码的公式如下表示： 其中,C是编码矩阵,o,p和q是自变量，在不同的数据集中，3个变量的值根据数据集的特点进行调整；将上式代入原始极限学习机的公式，并取消偏置量，得到固定字典极限学习机的表达公式： 由于该自动编码的公式是基于sigmoid激活函数和sin激活函数设计，因此固定字典极限学习机的优化目标表述如下：minimize||f-T||＝||sigmoidxm×n·coden·m·βm×j-T||12其中，T是标签矩阵；最后，通过广义逆矩阵对公式12求解,得到输出f和输出权重矩阵β。

全文数据：

权利要求：

百度查询： 北京交通大学 转向架故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD