文獻(xiàn)標(biāo)識碼: A
DOI:10.16157/j.issn.0258-7998.2016.06.034
中文引用格式: 顏云華,呂乾勇,秦娜. 基于Copula函數(shù)的列車減振器蛻化率估計(jì)[J].電子技術(shù)應(yīng)用,2016,42(6):124-127.
英文引用格式: Yan Yunhua,Lv Qianyong,Qin Na. Evaluating degeneration ratio of train damper using Copula function[J].Application of Electronic Technique,2016,42(6):124-127.
0 引言
隨著列車運(yùn)行里程的增加,彈性部件的機(jī)械磨損會加劇,使得其剛度系數(shù)降低,導(dǎo)致部件性能的蛻化,從而嚴(yán)重影響列車的舒適性和安全性[1]。傳統(tǒng)的列車故障狀態(tài)分析方法主要針對彈性部件完全故障時(shí)對其進(jìn)行診斷,即只將彈性部件的工作狀態(tài)分為正常和失效兩種。文獻(xiàn)[2]通過對列車關(guān)鍵部件的故障信號進(jìn)行聚合經(jīng)驗(yàn)?zāi)B(tài)分解,得到各種工況下的本征模態(tài)函數(shù)同時(shí)提取熵值作為該種工況的特征并進(jìn)行分類識別。然而實(shí)際運(yùn)行中,列車彈性部件出現(xiàn)完全損壞情況較少,而是隨著列車運(yùn)行里程的增加,部件性能產(chǎn)生蛻化。為了保證列車的安全運(yùn)行,當(dāng)彈性部件的參數(shù)蛻化達(dá)到一定程度時(shí),必須對該部件進(jìn)行更換。因此,只將列車彈性部件的狀態(tài)分為正常和失效兩種沒有太大實(shí)際意義,更多的需求是對其參數(shù)蛻化程度進(jìn)行估計(jì)[3],從而計(jì)算出該部件的安全運(yùn)行裕量,并作為更換和維修部件的依據(jù)。抗蛇行減振器作為高速列車的關(guān)鍵部件,為列車提供穩(wěn)定的回轉(zhuǎn)阻尼力,具有同時(shí)滿足有效抑制蛇形失穩(wěn)和利于通過曲線的要求[4],對于保障列車的安全性和舒適性有重要作用,本文選取列車抗蛇行減振器進(jìn)行參數(shù)蛻化程度估計(jì)具有實(shí)際意義。
Copula函數(shù)作為一種分析隨機(jī)變量間相關(guān)性的方法,在近年的研究中得到了廣泛應(yīng)用。文獻(xiàn)[5]使用Copula函數(shù)分析紋理圖像經(jīng)過小波變換后所得分量間的關(guān)聯(lián)性,并進(jìn)行特征提取和識別,得到較好的識別效果。文獻(xiàn)[6]使用混合Copula函數(shù)刻畫風(fēng)電功率間的相關(guān)結(jié)構(gòu)并提取特征,對于包含風(fēng)電場的電力系統(tǒng)風(fēng)險(xiǎn)分析和調(diào)度運(yùn)行有重要意義。文獻(xiàn)[7]使用Gaussian Copula函數(shù)對高速列車轉(zhuǎn)向架關(guān)鍵器件進(jìn)行故障特征提取并進(jìn)行識別,取得了較好的識別效果。
本文通過Copula函數(shù)研究彈性部件在參數(shù)蛻化過程中車體轉(zhuǎn)向架的振動信號與車輛正常時(shí)信號之間的關(guān)聯(lián)性,得到參數(shù)過蛻化程中的演變規(guī)律,并對目標(biāo)信號的參數(shù)蛻化率進(jìn)行估計(jì),對列車的安全運(yùn)行具有實(shí)際指導(dǎo)意義。
1 Copula函數(shù)
Copula函數(shù)又名連接函數(shù),通過構(gòu)建多個(gè)隨機(jī)變量的聯(lián)合分布函數(shù),反映他們之間的相關(guān)性。
1.1 Sklar定理
1.2 常用Copula函數(shù)介紹
Copula函數(shù)的常見類型有:橢圓型(Gaussian Copula和t-Copula)、Archimedean型。
二維Gaussian Copula分布函數(shù)定義如下:
Gaussian Copula函數(shù)被廣泛應(yīng)用于聯(lián)合分布模型的構(gòu)建,并取得了較好的效果[9]。
2 Copula函數(shù)的參數(shù)蛻化率估計(jì)
2.1 Copula函數(shù)的邊緣分布函數(shù)構(gòu)建
由文獻(xiàn)[7]可知,傳統(tǒng)的高斯分布模型不能對列車信號的分布進(jìn)行較好的擬合。文獻(xiàn)[7]使用泛化高斯模型(Generalized Gaussian Distribution,GGD)對高速列車信號進(jìn)行擬合時(shí),得到了較好的擬合效果。驗(yàn)驗(yàn)證結(jié)果表明,GGD能對高速列車信號分布進(jìn)行很好的擬合。故本文采用GGD擬合列車信號的分布,GGD的密度函數(shù)的形式為:
GGD參數(shù)計(jì)算有最大似然估計(jì)和牛頓-拉夫遜法兩種,本文使用最大似然估計(jì)法計(jì)算GGD參數(shù)。
2.2 Copula函數(shù)構(gòu)建聯(lián)合分布及特征提取
得到信號的邊緣分布后,本文采用Gaussian Copula構(gòu)建信號間的聯(lián)合分布。
對Copula函數(shù)的參數(shù)進(jìn)行估計(jì)時(shí)有完全最大似然估計(jì)法以及兩階段最大似然估計(jì)法兩種常用方法。第一種方法通過對邊緣分布和Copula函數(shù)的參數(shù)進(jìn)行一次性估計(jì),得到全部參數(shù);第二種方法則先估計(jì)出邊緣分布的參數(shù),然后再求出Copula函數(shù)的參數(shù)。由于本文已經(jīng)對信號的邊緣分布進(jìn)行了擬合,故本文采用兩階段最大似然估計(jì)法:先求得式(3)中的邊緣分布參數(shù),再求出Gaussian Copula函數(shù)的參數(shù)。
2.3 參數(shù)蛻化率估計(jì)
在實(shí)際參數(shù)蛻化率的估計(jì)中,分析特征值隨蛻化率的演變規(guī)律,根據(jù)規(guī)律對目標(biāo)信號的蛻化率進(jìn)行估計(jì)。計(jì)算目標(biāo)信號的特征值,確定與其最接近的值,該值對應(yīng)的蛻化率作為目標(biāo)信號的蛻化率。
本文蛻化率估計(jì)方法的流程圖如圖1所示。
3 實(shí)驗(yàn)結(jié)果及分析
3.1 數(shù)據(jù)來源
采用動力學(xué)仿真分析的多剛體動力學(xué)分析軟件包,針對某型號動車組動車轉(zhuǎn)向架的抗蛇行減振器阻尼在不同參數(shù)蛻化率下進(jìn)行了仿真實(shí)驗(yàn)。根據(jù)文獻(xiàn)[10],分別設(shè)置抗蛇行減振器阻尼剛度系數(shù)為正常剛度系數(shù)值的90%~10%,以10%進(jìn)行遞減,代表列車彈性部件磨損的加劇,用該百分比代表蛻化率。仿真得到車體后部橫向加速度通道、車體中部橫向加速度通道、車體前部橫向加速度通道在抗蛇行減振器參數(shù)蛻化率在90%~10%時(shí)的信號。速度設(shè)定為200 km/h,仿真時(shí)間為3.6 min,采樣頻率為243 Hz。
3.2 實(shí)驗(yàn)結(jié)果及分析
(1)小波包閾值降噪
數(shù)據(jù)采集系統(tǒng)的傳感器在測量過程中會引入隨機(jī)噪聲的干擾。小波分析具有良好的時(shí)頻局部特性,通過小波包變換將原始信號分解成不同頻域下的成分,進(jìn)而實(shí)現(xiàn)信號濾波以及強(qiáng)噪聲背景下對微弱信號特征的提取。高速列車轉(zhuǎn)向架故障振動信號集中在15 Hz以下,選用db2進(jìn)行4層小波包分解,采用自適應(yīng)閾值法對樣本信號進(jìn)行消噪預(yù)處理。
(2)GGD擬合邊緣分布
當(dāng)參數(shù)蛻化率分別為90%~10%時(shí),使用GGD分別對車體前部橫向加速度通道信號進(jìn)行擬合,車輛正常時(shí)車體前部橫向加速度通道信號的分布圖以及使用GGD擬合的結(jié)果如圖2所示。
由圖2可知,使用GGD對信號邊緣分布進(jìn)行擬合時(shí),擬合效果較好。
(3)Copula函數(shù)構(gòu)建聯(lián)合分布
使用Gaussian Copula函數(shù)分別計(jì)算得到9種蛻化信號與車輛正常時(shí)信號的聯(lián)合概率密度函數(shù)。提取聯(lián)合概率密度函數(shù)的均值作為特征進(jìn)行分析,得到不同蛻化率下的信號與車輛正常信號的聯(lián)合概率密度函數(shù)均值的箱形圖如圖3所示。
由圖3可知,在不同的蛻化率下,列車信號與車輛正常時(shí)信號的聯(lián)合概率密度函數(shù)的均值分布區(qū)間不同,隨著蛻化率的改變呈現(xiàn)出規(guī)律性的變化。
對60個(gè)樣本的特征取均值,使用3次樣條插值法擬合該曲線并對車輛正常時(shí)的特征值進(jìn)行估計(jì),得到聯(lián)合概率密度函數(shù)的均值隨蛻化率的變化曲線如圖4所示。
對應(yīng)蛻化率從90%~10%,只能得到9個(gè)原始數(shù)據(jù)點(diǎn),最后一個(gè)坐標(biāo)點(diǎn)的值只能通過估計(jì)得到。3次樣條插值因具有良好的平滑性和數(shù)學(xué)特征而得到廣泛應(yīng)用[11],本文采用3次樣條插值法對曲線進(jìn)行擬合并對最后一點(diǎn)的值進(jìn)行估計(jì)。由圖4可知,使用3次樣條插值法進(jìn)行擬合效果較好。
3.3 蛻化率估計(jì)結(jié)果
在實(shí)際應(yīng)用中,當(dāng)參數(shù)蛻化率低于60%時(shí),很難保證該彈性部件安全可靠地工作,因此,對蛻化率低于60%的信號進(jìn)行蛻化率估計(jì)無實(shí)際意義[4],故本文選取參數(shù)蛻化率在90%~60%下的信號進(jìn)行蛻化率估計(jì)。
使用Gaussian Copula函數(shù)構(gòu)建蛻化率待估計(jì)信號與車輛正常信號間的聯(lián)合分布函數(shù),提取聯(lián)合概率密度函數(shù)均值作為特征,使用與其最接近的特征值對應(yīng)的蛻化率作為估計(jì)的結(jié)果。為減小樣本差異造成的影響,取5次實(shí)驗(yàn)得到的特征均值進(jìn)行參數(shù)蛻化率估計(jì),得到車體前部、中部以及車體后部橫向加速度通道的估計(jì)結(jié)果如表1所示。
由表1可知,對彈性部件在實(shí)際蛻化率為90%~60%的信號,使用本文所提的參數(shù)蛻化率估計(jì)方法,在車體前部、中部、后部3個(gè)橫向加速度通道上的蛻化率估計(jì)結(jié)果與實(shí)際蛻化率之間的誤差均在范圍內(nèi),說明了所提方法的有效性。
4 結(jié)束語
針對高速列車在運(yùn)行過程中機(jī)械磨損導(dǎo)致的轉(zhuǎn)向架抗蛇行減振器參數(shù)蛻化,提出了一種基于Copula函數(shù)的抗蛇行減振器參數(shù)蛻化率估計(jì)方法。彌補(bǔ)了傳統(tǒng)分析中只將彈性部件分為正常和失效兩種工作狀態(tài)的不足。通過對不同參數(shù)蛻化率下的信號進(jìn)行小波包濾波,并使用GGD擬合信號的邊緣分布,最后通過Gaussian Copula函數(shù)構(gòu)建參數(shù)蛻化信號與車輛正常信號的聯(lián)合分布,提取聯(lián)合概率密度函數(shù)均值分析演變規(guī)律并進(jìn)行參數(shù)蛻化率估計(jì)。對車體前部、中部、后部橫向加速度通道信號的實(shí)驗(yàn)結(jié)果表明,實(shí)驗(yàn)誤差均在范圍內(nèi),說明了本文所提方法對高速列車轉(zhuǎn)向架抗蛇行減振器參數(shù)蛻化分析的有效性。
參考文獻(xiàn)
[1] 王新銳,丁勇,李國順.鐵路火車可靠性實(shí)驗(yàn)方法及評價(jià)標(biāo)準(zhǔn)的研究[J].中國鐵道科學(xué),2010,31(1):116-122.
[2] 秦娜,金煒東,黃進(jìn),等.基于EEMD樣本熵的高速列車轉(zhuǎn)向架故障特征提取[J].西南交通大學(xué)學(xué)報(bào),2014,49(1):27-32.
[3] 丁健明.車輛動力學(xué)性能參數(shù)估計(jì)方法研究[D].成都:西南交通大學(xué),2011.
[4] 王文靜,金新燦,韓同樣.動車組轉(zhuǎn)向架[M].北京:北京交通大學(xué)出版社,2012.
[5] Li Chaorong,Li Jianping,F(xiàn)u Bo.Magnitude-phase of quaternion wavelet transform for texture representation using multilevel copula[J].IEEE Signal Processing Letters,2013,20(8):799-802.
[6] 季峰,蔡興國,王俊.基于混合Copula函數(shù)的風(fēng)電功率相關(guān)性分析[J].電力系統(tǒng)自動化,2014,38(2):1-5.
[7] 金煒東,呂乾勇,孫永奎.基于Copula函數(shù)的高速列車轉(zhuǎn)向架故障特征提取[J].西南交通大學(xué)學(xué)報(bào),2015,50(4):676-682.
[8] NELSON R B.An introduction to Copulas[M].New York:Springer,2006.
[9] LASMAR N E,BERTHOUMIEU Y.Gaussian copula multivariate modeling for texture image retrieval using wavelet transforms[J].IEEE Transactions on Image Processing,2014,23(5):2246-2261.
[10] 張衛(wèi)華.機(jī)車車輛行動動態(tài)模擬研究[M].成都:西南交通大學(xué)出版社,2006.
[11] 陳文略,王子羊.三次樣條插值在工程擬合中的應(yīng)用[J].華中師范大學(xué)學(xué)報(bào),2004,38(4):418-422.