1.一种转向架运行工况在线监测、实时分类与识别算法,其特征在于,基于列车运行状态信息、转向架表面环境信息和转向架结构振动信息,并对转向架多源信息进行模糊化计算处理,结合多层卷积神经网络算法对转向架多源信息进行融合分类,实现转向架运行工况的分类与实时识别;构建转向架运行工况的分类等级集合表示方法,用于评估转向架的安全运行情况;
基于模糊卷积神经网络的转向架运行工况在线监测、实时分类与识别算法,构建转向架运行工况的训练与测试数据集合,揭示转向架运行工况与环境-结构信息之间的映射关系,在线训练转向架多源参量数据,动态优化网络中学习算法与激活函数的参数,实现转向架运行工况的在线分类与精准辨识,提高转向架的运行寿命,主要包括环境与结构状态数据预处理、特征提取、转向架运行工况分类策略,训练过程、动态识别过程、结果评估,具体实现流程如下:(1)柔性多功能传感器在线采集列车转向架运行过程中的环境、运行状态和结构状态信息,其中环境包括风压、噪声、温度;运行状态包括速度、加速度;结构状态信息包括振动、应变;
(2)通过动态时间窗对转向架多参量信号进行分割,对环境、运行状态和结构状态信息进行有效表示;
(3)构建用于转向架典型工况分类识别的训练与测试样本集;
(4)分别提取转向架运行状态、环境与结构传感数据的特征信息;
(5)对转向架运行状态、环境与结构传感数据特征进行模糊化处理,计算不同特征信号对应的权值与归一化处理;
(6)转向架运行工况表示方法与构建转向架运行工况集合;
(7)将模糊化的转向架多参量信号作为卷积神经网络的输入,通过多层多次池化、卷积计算得到转向架运行工况的输出值;用于训练网络性能,优化网络参数,确定激活函数与搜索方向;
(8)构建的测试样本集用于所提出模糊卷积神经网络算法的输入,用测试算法的输出性能,分别对不用样本数据进行分类;
(9)比较算法计算分类结果与转向架实际运行工况之间的关系,计算得到不同运行工况的识别成功率;
(10)动态优化模糊卷积神经网络的结构参数,并在线实时实现转向架运行工况的分类识别,用于转向架运行安全在线监测;
(11)根据转向架多参量信息,包括环境、运行速度与结构振动数据,提出模糊化卷积神经网络算法实现转向架运行工况的精确感知,对转向架高速运行过程中的安全性能进行了快速评估。
2.根据权利要求1所述的一种转向架运行工况在线监测、实时分类与识别算法,其特征在于,与转向架构架曲面结构能共形贴装;针对转向架环境中的风压与气动噪声状态监测需求,热膜传感器用于风速在线测量,电容传感器用于测量风压信号,压电传感器用于测量气动噪声信息;振动转向架结构振动与变形信号测量需求,应变传感器用于转向架构架变形,压电传感器用于结构振动监测与内部缺陷主动探伤;用于转向架环境与结构状态监测的均为柔性传感器,并且集成在同一柔性衬底上,用于实现转向架高速运行过程中的环境与结构信息,环境与结构状态的耦合作用造成转向架运行工况非常复杂,柔性多功能传感装置将为转向架的全面感知与运行状态分类提供支持。
3.根据权利要求2所述的一种转向架运行工况在线监测、实时分类与识别算法,其特征在于,转向架工况在线监测装置为柔性多功能传感器,能够与转向架构架曲面保持共形,在转向架运行过程中,柔性传感器装置不会影响转向架表面的流场分布,对转向架的环境与结构状态信息均没有影响,能够提高转向架的环境与结构状态信息的采集精度,转向架多参量状态信息将为转向架运行工况在线监测与识别提供技术支持。
4.根据权利要求3中所述的一种转向架运行工况在线监测、实时分类与识别算法,其特征在于,转向架工况在线监测装置采集的环境与结构振动状态数据,对高速列车转向架的运行状态均有影响;针对环境状态信息,包括风压、风速和气动噪声,分别表示为x1,x2,x3;结构振动数据,包括应变与振动,分别表示为y1,y2;列车运行状态,包括速度与加速度信息,分别表示为z1,z2;实验观察到同一物理量会对转向架输出的环境与结构状态信息均会有影响,传感数据之间相互耦合在一起,在时频域分别提取转向架多参量信号的特征信息,模糊化处理环境感知、运行速度、结构振动特征信息,得到转向架受到运行速度、环境与结构振动影响动态分类结果,提出模糊卷积神经网络对转向架多传感器特征数据进行融合感知,得到转向架运行工况分类等级。
5.根据权利要求4所述的一种转向架运行工况在线监测、实时分类与识别算法,其特征在于,转向架运行工况以承受荷载情况进行分层次表示,分为7个等级S1、S2、S3、S4、S5、S6、S7,通过对环境与结构状态数据进行处理,构建转向架结构状态数据与输出分类结果之间的匹配关系,计算一段时间内转向架的运行工况等级,实时识别转向架的运行工况等级,用于评估转向架的安全等级与安全性能。
6.根据权利要求5所述的一种转向架运行工况在线监测、实时分类与识别算法,其特征在于,基于柔性多功能传感器采集到的风压、风速和气动噪声环境信息;运行速度与应变与振动结构状态数据,对转向架感知到状态数据进行实时处理,提取出转向架运行过程中环境与结构的特征信息,基于卷积神经网络的转向架工况分类算法给出了柔性多功能传感器数据与转向架运行工况之间的映射关系,柔性多功能传感器采集的多参量数据与智能算法的相结合,融合感知方法实现了转向架运行工况在线识别与分类。
7.如权利要求1所述的一种转向架运行工况在线监测、实时分类与识别算法,其特征在于,流程主要包括多参量状态数据采集、数据分割、预处理、特征提取、模糊化处理、构建训练与测试样本集,训练与识别过程;算法中搜索方向采用梯度下降法进行搜索与迭代,激活函数采用ReLU函数,惩罚函数采用正则化方法表示,综合考虑MSELoss,提高数据计算处理效率,以此实现转向架运行工况数据的实时分类。
8.如权利要求1所述的一种转向架运行工况在线监测、实时分类与识别算法,其特征在于,转向架工况在线分类与识别算法运行结果分为7个等级,对转向架正常运行中受力与荷载情况进行了有效描述,能够应用到转向架的安全预警中,同时对转向架运行结果没有归并在当前所构建的7种工况中,有可能是转向架发生异常情况。
9.如权利要求1所述的一种转向架运行工况在线监测、实时分类与识别算法,其特征在于,利用转向架运行环境与结构振动信息,明确了环境参量和结构状态对转向架运行工况的影响能力,揭示了转向架及贴装在转向架上的柔性多功能传感器的动态输出性能,重点计算分析了环境、结构状态信息与转向架运行工况的映射关系,用于转向架运行工况的实时分类。
10.如权利要求1所述的一种转向架运行工况在线监测、实时分类与识别算法,其特征在于,成功应用到高速列车转向架工况的在线分类与识别,现实中轨道交通车辆中的其它部件也会受到环境与结构自身状态信息的耦合影响,也就是说基于环境与结构状态信息的智能算法同样能够应用到轨道交通车辆核心部件工况分类与识别,拓展到其它交通载运装备的运行工况在线监测、分类与识别。