基于集合经验模态分解与希尔伯特-黄变换的有轨电车异常振动分析

摘要

针对有轨电车运行过程出现的异常振动现象,提出将希尔伯特-黄变换(HHT)应用于有轨电车的异常振动分析研究。针对经验模态分解中模态混叠难题,提出利用集合经验模态分解(EEMD)对原始车辆振动数据进行分解。针对振动信号可能包含虚假分量的问题,提出通过相关系数法剔除虚假本征模分量(即噪声分量或趋势项分量),最后进行希尔伯特-黄变换的优化处理流程。以某型有轨电车为研究对象,通过HHT得到轴箱垂向加速度的Hilbert谱,获取时间-瞬时频率-瞬时能量三维关系,结合边际谱分析振动特征,判断有轨电车的异常振动原因及故障模式。结果表明该方法对有轨电车异常振动的分析研究十分有效。