基于多尺度时频图卷积的高速列车非平稳振动信号异类分离与故障溯源设计.docxVIP

PAGE2

基于多尺度时频图卷积的高速列车非平稳振动信号异类分离与故障溯源设计

摘要

随着高速列车运行速度的不断提升，车辆关键机械部件的振动信号呈现出强烈的非平稳与多故障耦合特性。传统基于时域或频域的信号处理方法难以从复杂背景噪声中精准分离异类故障源并实现溯源。本课题旨在设计一套基于多尺度时频图卷积的故障诊断与溯源系统，以解决列车多故障耦合归因难题。

本设计首先利用短时傅里叶变换与小波包变换相结合的多尺度时频分析技术，将非平稳振动信号转化为时频图。其次，构建基于图卷积网络（GCN）的异类信号卷积分离分类模型，通过提取时频图的多尺度拓扑特征，实现多故障源解耦与精准分类。全文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路展开。

第一章至第三章分析了列车振动信号处理的现实痛点，明确了系统需求并完成建模。第四章与第五章完成了系统架构设计与核心算法的详细设计，重点阐述了多尺度时频图拓扑构建与异类卷积分离算法。第六章与第七章展示了系统核心代码实现与测试过程，验证了设计的有效性。本设计的核心创新点在于提出了一种多尺度时频图拓扑特征提取机制，有效解决了非平稳信号多故障耦合下的异类分离与溯源问题。

第一章绪论

1.1研究背景

高速铁路作为国家重要交通基础设施，其运行安全直接关系到人民群众的生命财产安全。随着列车运行速度向350km/h及以上迈进，转向架、轴承、齿轮箱等关键机