基于SVD和SVM的轨道车辆受电弓故障诊断技术研究

摘要

轨道车辆受电弓是实现车辆与接触网间电力传输的关键装置.由于其服役环境恶劣、故障率高，直接影响了车辆的供电稳定性和安全性.针对这一问题，提出了一种基于SVD和SVM的轨道车辆受电弓故障诊断新方法，该方法对实测振动信号进行SVD分解，并采用奇异值差分谱确定有效奇异值个数.通过有效奇异值确定子信号，计算子信号的模糊测度熵，将其作为SVM的特征输入.构建了SVM模式识别分类器，实现对受电弓故障的识别.最后，将提出的方法应用于动态测试平台上采集的300组振动加速度数据的检测，在5 kHz采样频率、90 km/h运行速度条件下，故障模式识别准确率达100%.因此，该方法在轨道车辆受电弓故障诊断中具有一定的实用价值.

关键词

奇异值分解 / 支持向量机 / 受电弓故障诊断 / 模糊测度熵

基金资助

安徽省高校自然科学研究项目(2023AH053344)