崔万里，宁 静，种传杰，李艳萍，陈春俊

（西南交通大学机械工程学院，四川 成都 610031）

EMD-ISOMAP高速列车小幅蛇行异常特征提取

崔万里，宁 静，种传杰，李艳萍，陈春俊

（西南交通大学机械工程学院，四川 成都 610031）

小幅蛇行异常是剧烈蛇行失稳的征兆，它不仅影响乘坐舒适性，导致轮轨疲劳接触，而且随着轮轨磨损加剧、列车服役时间增长、运行速度提高，小幅蛇行会不断加剧，特别是在抗蛇行减震器失效的状况下，可能会引起列车脱轨，严重影响行车安全。但现有的高速列车转向架峰值监测法不能监测小幅蛇行异常。针对该问题，提出一种基于经验模态分解和流形学习的特征提取方法。首先，利用EMD分解得到多个固有模态函数（IMF），计算每个IMF的样本熵，作为初步提取特征；然后利用流形学习方法对初步提取的特征进一步提取；最后利用最小二乘法支持向量机对特征提取方法进行评估，并将该方法应用于高速列车320~350km/h状态下小幅蛇行异常识别中，小幅蛇行异常的识别率达到100%。结果证明：EMD-ISOMAP方法能够有效识别小幅蛇行异常，识别效果优于基于小波变换特征提取方法；该方法降低特征数据复杂度的同时，还增强状态识别的分类性能。

高速列车；小幅蛇行；流形学习；等距映射；经验模态分解；特征提取；最小二乘法支持向量机

0 引 言

高速列车运行过程中的横向运动稳定性与列车的脱轨安全性息息相关。随着列车运行速度的提高，车辆一旦发生脱轨事故将会造成更加巨大的人员伤亡和财产损失。……