一种基于结构特征的故障定位方法，用于高速列车悬挂系统监测

《IEEE Transactions on Instrumentation and Measurement》：A Structure-Guided Fault Localization Method for High-Speed Train Suspension Monitoring

高速列车悬挂系统故障检测中提出结构感知框架，通过物理导向的传感器对齐、共享特征提取和动态条件相关稀疏结构图构建，结合MoE网络实现自适应融合诊断，有效提升复杂环境和传感器故障下的检测准确性与鲁棒性。

　　

摘要：

高速列车的动态稳定性在很大程度上取决于悬挂系统的健康状况，这直接关系到运行安全。因此，对故障诊断方法的可靠性和鲁棒性提出了严格要求。为了解决在结构复杂性和潜在传感器故障情况下进行可靠振动监测的挑战，本文提出了一种基于结构的高速列车悬挂故障分析框架。该框架首先对不同位置的振动传感器进行物理意义上的定向对齐，并采用共享特征提取机制来获得一致的特征表示，从而提高结构特征的标准化和可比性。随后，根据传感器观测数据动态构建一个条件依赖的稀疏结构图，以捕捉传感器之间的潜在耦合关系。该结构图用于指导基于专家组合（MoE）网络的结构感知融合与调度机制，使模型能够适应结构动态和传感器条件的变化。所提出的方法无需预先了解机械配置或组件参数即可运行，同时支持对动态结构行为的可解释建模。此外，它在传感器故障和信号丢失情况下增强了监测系统的鲁棒性，为基于状态的维护提供了可靠的决策支持。在高速列车悬挂故障数据集上的实验结果表明，该方法具有较高的诊断准确性和较强的物理一致性。与常用的基于振动的诊断框架相比，它在感知条件恶化时具有更好的鲁棒性和结构一致性，验证了其作为铁路系统智能监测的测量导向方法的有效性。

引言

列车作为现代轨道交通系统的关键设备，其运行安全和可靠性至关重要。悬挂系统连接车体和转向架，在维持动态稳定性和结构完整性方面起着关键作用。其性能的下降会直接影响列车的乘坐舒适性、运行稳定性和结构安全性[1]。在实际运行中，转向架及其安装的悬挂部件经常暴露在恶劣的外部环境中，包括由轨道不规则性和曲线通过引起的振动和冲击，以及日常温度波动和极端天气等显著的外部变化。这些因素可能会加速材料疲劳和性能下降，从而对运行安全构成潜在威胁[2]。因此，确保高速列车悬挂系统的安全性和可靠性已成为一个日益重要的工程挑战，吸引了越来越多的研究人员和从业者的关注[3]。