李亚兰， 金炜东

（西南交通大学电气工程学院 成都，611756）

引 言

高速列车转向架作为列车的核心结构，其一旦发生故障会造成车体振动加剧，严重时会引起脱轨翻车等安全事故［1］。目前，安装在高速列车各个位置的传感器能采集到列车在运行过程中的振动信号数据，通过提取这些海量数据的特征从而达到对高速列车进行故障诊断的目的。由于高速列车转向架振动信号具有非线性、非平稳的特征，因此采用传统的信号分析方法难以准确地提取出故障特征［2］。文献［3］提出了基于聚合经验模态分解（ensemble empirical mode decomposition，简称 EEMD）和 5 种信息熵相结合的特征提取方法，EEMD 方法能有效缓解模态混叠现象［4-5］，但在对多通道信号进行分解的时候会存在不能获得个数相同的IMF 分量的问题。文献［6］提出了分割能量熵和奇异熵的故障诊断方法，都将信息熵用于转向架的故障特征提取。上述方法都存在仅采用单通道信号进行处理，不能完整反映出列车振动信号信息的问题。

韩捷等［7］提出的全矢谱算法为单通道故障诊断带来的信息不完整问题提供了解决方法，现有的信息熵特征提取方法用于高速列车故障诊断多是基于单通道的，忽略了同源两个传感器采集到的信号之间的联系，而全矢谱算法可以融合同源双通道信号的信息，更加完备地反映出设备的状态。文献［8］提出了基于全矢排列熵的齿轮故障特征提取方法，验证了全矢谱算法结合信息熵特征提取在故障诊断中的有效性。……