来源：期刊VIP网 时间：
作者：焦赛亚;李忠艳;刘金朝;黄哲昊;
单位：华北电力大学数理学院;中国铁道科学研究院集团有限公司基础设施检测研究所;
摘要：为推进高速铁路钢轨连续擦伤诊断的智能化进程，基于车辆动态响应数据，应用自适应啁啾模态分解（Adaptive Chirped Mode Decomposition,ACMD）联合粒子群优化（Particle Swarm Optimization,PSO）的支持向量机（Support Vector Machine,SVM）算法模型，提出一种高速铁路钢轨连续擦伤诊断方法。首先，对采集的加速度信号进行希尔伯特变换，得到包络信号，对包络信号进行去趋势项的滤波处理；而后，采用ACMD方法分解不同区段处的降噪信号，采用主频分量计算的波长、有效值和能量贡献率作为钢轨连续擦伤诊断的指标，构成特征向量；最后，根据特征向量训练PSOSVM模型，构建分类模型进行擦伤诊断。结果表明：当钢轨出现擦伤时，有效值和能量贡献率会增大；该模型准确率为99.137%，能对钢轨连续擦伤进行有效诊断。
关键词：高速铁路;;钢轨连续擦伤;;模型试验;;时频分析;;ACMD;;波长;;有效值;;能量贡献率
基金资助：中国铁道科学研究院集团有限公司基金（2024YJ135）
