0 引言

    隨著列車(chē)運(yùn)行里程的增加,，彈性部件的機(jī)械磨損會(huì)加劇,，使得其剛度系數(shù)降低，導(dǎo)致部件性能的蛻化,，從而嚴(yán)重影響列車(chē)的舒適性和安全性^[1],。傳統(tǒng)的列車(chē)故障狀態(tài)分析方法主要針對(duì)彈性部件完全故障時(shí)對(duì)其進(jìn)行診斷，即只將彈性部件的工作狀態(tài)分為正常和失效兩種,。文獻(xiàn)[2]通過(guò)對(duì)列車(chē)關(guān)鍵部件的故障信號(hào)進(jìn)行聚合經(jīng)驗(yàn)?zāi)B(tài)分解,，得到各種工況下的本征模態(tài)函數(shù)同時(shí)提取熵值作為該種工況的特征并進(jìn)行分類(lèi)識(shí)別。然而實(shí)際運(yùn)行中,，列車(chē)彈性部件出現(xiàn)完全損壞情況較少,，而是隨著列車(chē)運(yùn)行里程的增加，部件性能產(chǎn)生蛻化,。為了保證列車(chē)的安全運(yùn)行,，當(dāng)彈性部件的參數(shù)蛻化達(dá)到一定程度時(shí)，必須對(duì)該部件進(jìn)行更換,。因此,，只將列車(chē)彈性部件的狀態(tài)分為正常和失效兩種沒(méi)有太大實(shí)際意義，更多的需求是對(duì)其參數(shù)蛻化程度進(jìn)行估計(jì)^[3],，從而計(jì)算出該部件的安全運(yùn)行裕量,，并作為更換和維修部件的依據(jù),。抗蛇行減振器作為高速列車(chē)的關(guān)鍵部件,，為列車(chē)提供穩(wěn)定的回轉(zhuǎn)阻尼力,，具有同時(shí)滿(mǎn)足有效抑制蛇形失穩(wěn)和利于通過(guò)曲線的要求^[4]，對(duì)于保障列車(chē)的安全性和舒適性有重要作用,，本文選取列車(chē)抗蛇行減振器進(jìn)行參數(shù)蛻化程度估計(jì)具有實(shí)際意義,。

    Copula函數(shù)作為一種分析隨機(jī)變量間相關(guān)性的方法，在近年的研究中得到了廣泛應(yīng)用,。文獻(xiàn)[5]使用Copula函數(shù)分析紋理圖像經(jīng)過(guò)小波變換后所得分量間的關(guān)聯(lián)性,，并進(jìn)行特征提取和識(shí)別，得到較好的識(shí)別效果,。文獻(xiàn)[6]使用混合Copula函數(shù)刻畫(huà)風(fēng)電功率間的相關(guān)結(jié)構(gòu)并提取特征,，對(duì)于包含風(fēng)電場(chǎng)的電力系統(tǒng)風(fēng)險(xiǎn)分析和調(diào)度運(yùn)行有重要意義。文獻(xiàn)[7]使用Gaussian Copula函數(shù)對(duì)高速列車(chē)轉(zhuǎn)向架關(guān)鍵器件進(jìn)行故障特征提取并進(jìn)行識(shí)別,，取得了較好的識(shí)別效果,。

    本文通過(guò)Copula函數(shù)研究彈性部件在參數(shù)蛻化過(guò)程中車(chē)體轉(zhuǎn)向架的振動(dòng)信號(hào)與車(chē)輛正常時(shí)信號(hào)之間的關(guān)聯(lián)性，得到參數(shù)過(guò)蛻化程中的演變規(guī)律,，并對(duì)目標(biāo)信號(hào)的參數(shù)蛻化率進(jìn)行估計(jì),，對(duì)列車(chē)的安全運(yùn)行具有實(shí)際指導(dǎo)意義。

1 Copula函數(shù)

    Copula函數(shù)又名連接函數(shù),，通過(guò)構(gòu)建多個(gè)隨機(jī)變量的聯(lián)合分布函數(shù),，反映他們之間的相關(guān)性。

1.1 Sklar定理

1.2 常用Copula函數(shù)介紹

    Copula函數(shù)的常見(jiàn)類(lèi)型有：橢圓型(Gaussian Copula和t-Copula),、Archimedean型,。

    二維Gaussian Copula分布函數(shù)定義如下：

    Gaussian Copula函數(shù)被廣泛應(yīng)用于聯(lián)合分布模型的構(gòu)建，并取得了較好的效果^[9],。

2 Copula函數(shù)的參數(shù)蛻化率估計(jì)

2.1 Copula函數(shù)的邊緣分布函數(shù)構(gòu)建

    由文獻(xiàn)[7]可知,，傳統(tǒng)的高斯分布模型不能對(duì)列車(chē)信號(hào)的分布進(jìn)行較好的擬合。文獻(xiàn)[7]使用泛化高斯模型(Generalized Gaussian Distribution,，GGD)對(duì)高速列車(chē)信號(hào)進(jìn)行擬合時(shí),，得到了較好的擬合效果。驗(yàn)驗(yàn)證結(jié)果表明,，GGD能對(duì)高速列車(chē)信號(hào)分布進(jìn)行很好的擬合,。故本文采用GGD擬合列車(chē)信號(hào)的分布，GGD的密度函數(shù)的形式為：

    GGD參數(shù)計(jì)算有最大似然估計(jì)和牛頓-拉夫遜法兩種,，本文使用最大似然估計(jì)法計(jì)算GGD參數(shù),。

2.2 Copula函數(shù)構(gòu)建聯(lián)合分布及特征提取

    得到信號(hào)的邊緣分布后，本文采用Gaussian Copula構(gòu)建信號(hào)間的聯(lián)合分布,。

    對(duì)Copula函數(shù)的參數(shù)進(jìn)行估計(jì)時(shí)有完全最大似然估計(jì)法以及兩階段最大似然估計(jì)法兩種常用方法,。第一種方法通過(guò)對(duì)邊緣分布和Copula函數(shù)的參數(shù)進(jìn)行一次性估計(jì),，得到全部參數(shù)；第二種方法則先估計(jì)出邊緣分布的參數(shù),，然后再求出Copula函數(shù)的參數(shù),。由于本文已經(jīng)對(duì)信號(hào)的邊緣分布進(jìn)行了擬合，故本文采用兩階段最大似然估計(jì)法：先求得式(3)中的邊緣分布參數(shù),，再求出Gaussian Copula函數(shù)的參數(shù),。

2.3 參數(shù)蛻化率估計(jì)

    在實(shí)際參數(shù)蛻化率的估計(jì)中，分析特征值隨蛻化率的演變規(guī)律,，根據(jù)規(guī)律對(duì)目標(biāo)信號(hào)的蛻化率進(jìn)行估計(jì),。計(jì)算目標(biāo)信號(hào)的特征值，確定與其最接近的值,，該值對(duì)應(yīng)的蛻化率作為目標(biāo)信號(hào)的蛻化率,。

    本文蛻化率估計(jì)方法的流程圖如圖1所示。

3 實(shí)驗(yàn)結(jié)果及分析

3.1 數(shù)據(jù)來(lái)源

    采用動(dòng)力學(xué)仿真分析的多剛體動(dòng)力學(xué)分析軟件包,，針對(duì)某型號(hào)動(dòng)車(chē)組動(dòng)車(chē)轉(zhuǎn)向架的抗蛇行減振器阻尼在不同參數(shù)蛻化率下進(jìn)行了仿真實(shí)驗(yàn),。根據(jù)文獻(xiàn)[10]，分別設(shè)置抗蛇行減振器阻尼剛度系數(shù)為正常剛度系數(shù)值的90%～10%,，以10%進(jìn)行遞減，代表列車(chē)彈性部件磨損的加劇,，用該百分比代表蛻化率,。仿真得到車(chē)體后部橫向加速度通道、車(chē)體中部橫向加速度通道,、車(chē)體前部橫向加速度通道在抗蛇行減振器參數(shù)蛻化率在90%～10%時(shí)的信號(hào),。速度設(shè)定為200 km/h，仿真時(shí)間為3.6 min,，采樣頻率為243 Hz,。

3.2 實(shí)驗(yàn)結(jié)果及分析

    （1）小波包閾值降噪

    數(shù)據(jù)采集系統(tǒng)的傳感器在測(cè)量過(guò)程中會(huì)引入隨機(jī)噪聲的干擾。小波分析具有良好的時(shí)頻局部特性,，通過(guò)小波包變換將原始信號(hào)分解成不同頻域下的成分,，進(jìn)而實(shí)現(xiàn)信號(hào)濾波以及強(qiáng)噪聲背景下對(duì)微弱信號(hào)特征的提取。高速列車(chē)轉(zhuǎn)向架故障振動(dòng)信號(hào)集中在15 Hz以下,，選用db2進(jìn)行4層小波包分解,，采用自適應(yīng)閾值法對(duì)樣本信號(hào)進(jìn)行消噪預(yù)處理。

    （2）GGD擬合邊緣分布

    當(dāng)參數(shù)蛻化率分別為90%～10%時(shí),，使用GGD分別對(duì)車(chē)體前部橫向加速度通道信號(hào)進(jìn)行擬合,，車(chē)輛正常時(shí)車(chē)體前部橫向加速度通道信號(hào)的分布圖以及使用GGD擬合的結(jié)果如圖2所示。

    由圖2可知,，使用GGD對(duì)信號(hào)邊緣分布進(jìn)行擬合時(shí),，擬合效果較好,。

    （3）Copula函數(shù)構(gòu)建聯(lián)合分布

    使用Gaussian Copula函數(shù)分別計(jì)算得到9種蛻化信號(hào)與車(chē)輛正常時(shí)信號(hào)的聯(lián)合概率密度函數(shù)。提取聯(lián)合概率密度函數(shù)的均值作為特征進(jìn)行分析,，得到不同蛻化率下的信號(hào)與車(chē)輛正常信號(hào)的聯(lián)合概率密度函數(shù)均值的箱形圖如圖3所示,。

    由圖3可知，在不同的蛻化率下,，列車(chē)信號(hào)與車(chē)輛正常時(shí)信號(hào)的聯(lián)合概率密度函數(shù)的均值分布區(qū)間不同,，隨著蛻化率的改變呈現(xiàn)出規(guī)律性的變化。

    對(duì)60個(gè)樣本的特征取均值,，使用3次樣條插值法擬合該曲線并對(duì)車(chē)輛正常時(shí)的特征值進(jìn)行估計(jì),，得到聯(lián)合概率密度函數(shù)的均值隨蛻化率的變化曲線如圖4所示。

    對(duì)應(yīng)蛻化率從90%～10%,，只能得到9個(gè)原始數(shù)據(jù)點(diǎn),，最后一個(gè)坐標(biāo)點(diǎn)的值只能通過(guò)估計(jì)得到。3次樣條插值因具有良好的平滑性和數(shù)學(xué)特征而得到廣泛應(yīng)用[11],，本文采用3次樣條插值法對(duì)曲線進(jìn)行擬合并對(duì)最后一點(diǎn)的值進(jìn)行估計(jì),。由圖4可知，使用3次樣條插值法進(jìn)行擬合效果較好,。

3.3 蛻化率估計(jì)結(jié)果

    在實(shí)際應(yīng)用中,，當(dāng)參數(shù)蛻化率低于60%時(shí)，很難保證該彈性部件安全可靠地工作,，因此,，對(duì)蛻化率低于60%的信號(hào)進(jìn)行蛻化率估計(jì)無(wú)實(shí)際意義^[4]，故本文選取參數(shù)蛻化率在90%～60%下的信號(hào)進(jìn)行蛻化率估計(jì),。

    使用Gaussian Copula函數(shù)構(gòu)建蛻化率待估計(jì)信號(hào)與車(chē)輛正常信號(hào)間的聯(lián)合分布函數(shù),，提取聯(lián)合概率密度函數(shù)均值作為特征，使用與其最接近的特征值對(duì)應(yīng)的蛻化率作為估計(jì)的結(jié)果,。為減小樣本差異造成的影響,，取5次實(shí)驗(yàn)得到的特征均值進(jìn)行參數(shù)蛻化率估計(jì)，得到車(chē)體前部,、中部以及車(chē)體后部橫向加速度通道的估計(jì)結(jié)果如表1所示,。

    由表1可知，對(duì)彈性部件在實(shí)際蛻化率為90%～60%的信號(hào),，使用本文所提的參數(shù)蛻化率估計(jì)方法,，在車(chē)體前部、中部,、后部3個(gè)橫向加速度通道上的蛻化率估計(jì)結(jié)果與實(shí)際蛻化率之間的誤差均在范圍內(nèi),，說(shuō)明了所提方法的有效性。

4 結(jié)束語(yǔ)

    針對(duì)高速列車(chē)在運(yùn)行過(guò)程中機(jī)械磨損導(dǎo)致的轉(zhuǎn)向架抗蛇行減振器參數(shù)蛻化，提出了一種基于Copula函數(shù)的抗蛇行減振器參數(shù)蛻化率估計(jì)方法,。彌補(bǔ)了傳統(tǒng)分析中只將彈性部件分為正常和失效兩種工作狀態(tài)的不足,。通過(guò)對(duì)不同參數(shù)蛻化率下的信號(hào)進(jìn)行小波包濾波，并使用GGD擬合信號(hào)的邊緣分布,，最后通過(guò)Gaussian Copula函數(shù)構(gòu)建參數(shù)蛻化信號(hào)與車(chē)輛正常信號(hào)的聯(lián)合分布,，提取聯(lián)合概率密度函數(shù)均值分析演變規(guī)律并進(jìn)行參數(shù)蛻化率估計(jì)。對(duì)車(chē)體前部,、中部,、后部橫向加速度通道信號(hào)的實(shí)驗(yàn)結(jié)果表明，實(shí)驗(yàn)誤差均在范圍內(nèi),，說(shuō)明了本文所提方法對(duì)高速列車(chē)轉(zhuǎn)向架抗蛇行減振器參數(shù)蛻化分析的有效性,。

參考文獻(xiàn)

[1] 王新銳，丁勇,，李國(guó)順．鐵路火車(chē)可靠性實(shí)驗(yàn)方法及評(píng)價(jià)標(biāo)準(zhǔn)的研究[J]．中國(guó)鐵道科學(xué),，2010，31（1）：116-122．

[2] 秦娜,，金煒東,，黃進(jìn)，等．基于EEMD樣本熵的高速列車(chē)轉(zhuǎn)向架故障特征提取[J]．西南交通大學(xué)學(xué)報(bào),，2014,，49(1)：27-32．

[3] 丁健明．車(chē)輛動(dòng)力學(xué)性能參數(shù)估計(jì)方法研究[D]．成都：西南交通大學(xué)，2011．

[4] 王文靜,，金新?tīng)N,，韓同樣．動(dòng)車(chē)組轉(zhuǎn)向架[M]．北京：北京交通大學(xué)出版社，2012．

[5] Li Chaorong,，Li Jianping，F(xiàn)u Bo．Magnitude-phase of quaternion wavelet transform for texture representation using multilevel copula[J]．IEEE Signal Processing Letters,，2013,，20（8）：799-802．

[6] 季峰，蔡興國(guó),，王?。诨旌螩opula函數(shù)的風(fēng)電功率相關(guān)性分析[J]．電力系統(tǒng)自動(dòng)化，2014,，38（2）：1-5．

[7] 金煒東,，呂乾勇，孫永奎．基于Copula函數(shù)的高速列車(chē)轉(zhuǎn)向架故障特征提取[J]．西南交通大學(xué)學(xué)報(bào),，2015,，50(4)：676-682．

[8] NELSON R B．An introduction to Copulas[M]．New York：Springer，2006．

[9] LASMAR N E，BERTHOUMIEU Y．Gaussian copula multivariate modeling for texture image retrieval using wavelet transforms[J]．IEEE Transactions on Image Processing,，2014,，23(5)：2246-2261．

[10] 張衛(wèi)華．機(jī)車(chē)車(chē)輛行動(dòng)動(dòng)態(tài)模擬研究[M]．成都：西南交通大學(xué)出版社，2006．

[11] 陳文略,，王子羊．三次樣條插值在工程擬合中的應(yīng)用[J]．華中師范大學(xué)學(xué)報(bào),，2004，38（4）：418-422．