简介：高速道岔作为轨道系统关键设备之一,其服役状态直接影响动车组行车安全和乘坐舒适,因此必须对其状态进行长期检测与分析.采用均方根和排列熵分别刻画动车组通过高速道岔时车体位置处的横向振动能量特征和振动序列混乱程度.当车体横向加速度数据中含有异常的局部毛刺成分时计算得到的排列熵值明显异常,在分析异常数据特征基础上提出了基于小尺度滑动标准差和有效零点数的异常车体横向加速度数据识别方法.由于异常成分与正常成分频率存在较大差异,在自适应噪声的完整集合经验模态分解基础上实现了对局部毛刺成分的自动提取和对异常车体横向加速度数据的修正.结果显示修正后数据排列熵值下降明显.以修正后的高速综合检测列车采集到的车体横向加速度数据为研究对象,研究了高速动车组通过主型1/18高速道岔时的车体横向振动特征.车体横向加速度的均方根值均小于0.05g,排列熵值分布范围为0.75～1.00.不同类型道岔引起的动车组车体横向加速度序列混乱程度存在明显差异,有砟道岔引起的车体加速度振动序列混乱程度大于无砟道岔;不同类型道岔车体横向加速度均方根值与排列熵值均呈现集中分布特征,集中分布区域面积略有差异;高均方根值低排列熵值与动车组低频周期性晃动工况对应程度高.展开
