改进人工鱼群算法优化BP神经网络的平轮故障检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111461183A(43)申请公布日2020.07.28(21)申请号202010193899.9G06N3/00(2006.01)(22)申请日2020.03.19(71)申请人南京理工大学地址210094江苏省南京市玄武区孝陵卫200号(72)发明人张永刘自力左婷婷谢志鸿李军邢宗义(74)专利代理机构南京理工大学专利中心32203代理人薛云燕(51)Int.Cl.G06K9/62(2006.01)G06K9/00(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书4页说明书10页附图5页(54)发明名称改进人工鱼群算法优化BP神经网络的平轮故障检测方法(57)摘要本发明公开了一种改进人工鱼群算法优化BP神经网络的平轮故障检测方法。该方法步骤如下：在轨道内侧低于钢轨平面位置部署振动加速度传感器，采集平轮车轮振动加速度数据；分析采集数据的特征，进行数据分段，滤除相邻车轮之间的无关振动数据，得到各个车轮所对应的有效振动加速度信号；使用经验模态分解方法对各个车轮振动加速度信号进行分解，得到有效模态分量；设定训练样本和测试样本，选取振动加速度信号的特征值并进行计算；将模态分量特征值输入改进人工鱼群算法优化的BP神经网络中进行训练，当网络均方根误差满足要求时停止训练；得到训练结果后对样本进行分类，实现平轮故障的检测。本发明检测结果准确度高，且步骤简单、系统稳定。CN111461183ACN111461183A权利要求书1/4页1.一种改进人工鱼群算法优化BP神经网络的平轮故障检测方法，其特征在于，包括以下步骤：步骤1，数据采集：在轨道内侧低于钢轨平面位置部署振动加速度传感器，采集平轮车轮振动加速度数据；步骤2，数据预处理：分析采集数据的特征，进行数据分段，滤除相邻车轮之间的无关振动数据，得到各个车轮所对应的有效振动加速度信号；步骤3，信号分解：使用经验模态分解方法对各个车轮振动加速度信号进行分解，得到与平轮故障特征频率一致的有效模态分量；步骤4，选取特征值：设定训练样本和测试样本，选取振动加速度信号的特征值并进行计算；步骤5，神经网络训练：将模态分量特征值输入改进人工鱼群算法优化的BP神经网络中进行训练，当网络均方根误差满足要求时停止训练；步骤6，平轮故障检测：得到神经网络训练结果后对样本进行分类，实现平轮故障的检测。2.根据权利要求1所述的改进人工鱼群算法优化BP神经网络的平轮故障检测方法，其特征在于，步骤1所述的在轨道内侧低于钢轨平面位置部署振动加速度传感器，具体为：将每个振动加速度传感器安装于检测区域两个轨枕中间的位置。3.根据权利要求1所述的改进人工鱼群算法优化BP神经网络的平轮故障检测方法，其特征在于，步骤2所述的分析采集数据的特征，进行数据分段，滤除相邻车轮之间的无关振动数据，得到各个车轮所对应的有效振动加速度信号，具体如下：获取车轮经过车轮轴位传感器G2和G3的时间t2i和t3i，其中i为第几个车轮，振动加速度传感器均匀分布在G2和G3两个车轮轴位传感器之间，有效检测时间区间为：至其中Δti＝t3i-t2i，将有效检测时间区间分为4段：第一段有效检测时间区间：至第一振动加速度传感器的输出信号数据有效，不考虑其它输出信号数据；第二段有效检测时间区间：至第二振动加速度传感器的输出信号数据有效，不考虑其它输出信号数据；第三段有效检测时间区间：至第三振动加速度传感器的输出信号数据有效，不考虑其它输出信号数据；第四段有效检测时间区间：至第四振动加速度传感器的输出信号数据有效，不考虑其它输出信号数据。4.根据权利要求1所述的改进人工鱼群算法优化BP神经网络的平轮故障检测方法，其2CN111461183A权利要求书2/4页特征在于，步骤3所述的使用经验模态分解方法对各个车轮振动加速度信号进行分解，得到与平轮故障特征频率一致的有效模态分量，具体如下：(4.1)寻找车轮振动加速度信号x(t)的所有极大值点和极小值点，并用三次样条插值函数分别拟合极小值点对应的下包络线，以及极大值点对应的上包络线；(4.2)对上下包络线的均值m(t)进行计算，并将原信号数据减去m(t)，产生新的数据序列h(t)；(4.3)判断h(t)是否满足有效IMF条件：若满足有效IMF条件，则计算残余分量r(t)，并且进入步骤(4.4)；若不满足，则将h(t)当作原信号，转到步骤(4.1)；(4.4)判断r(t)是否为单调函数：若是，则结束信号分解过程；否则，将h(t)当作原信号，转到步骤(4.1)；针对经过经验模态分解方法得到的模态分量，分别计算各模态分量与原信号的相关系数和峭度，选取满足相关系数和峭度的阈值要求的有效模态分量。5.根据权利要求1