Page 99 - 《振动工程学报》2025年第8期

第 38 卷第 8 期 振 动 工 程 学 报 Vol. 38 No. 8
2025 年 8 月 Journal of Vibration Engineering Aug. 2025

高速铁路扣件状态不良动态响应诊断方法

周梁琪 ，刘金朝 ，徐晓迪 ，李忠艳 1
2
2
1
（1. 华北电力大学数理学院，北京 102206；
2. 中国铁道科学研究院集团有限公司基础设施检测研究所，北京 100081）

摘要: 为解决传统高速铁路扣件状态诊断依赖于人工巡检的问题，提高扣件状态诊断的智能化，提出一种基于车辆动态响应数
据，应用广义解调时频分析联合麻雀搜索算法优化支持向量机（sparrow search algorithm‑support vector machine，SSA‑SVM）的
扣件状态诊断方法。利用安装在高速综合检测列车上的加速度传感器，采集扣件正常与失效区段的车辆振动响应信号，使用
短时傅里叶变换与最大重叠离散小波包变换对信号数据进行预处理，获取频域信息与相位信息；利用广义解调时频分析方法
分解信号，计算主要信息分量的有效值、能量贡献率和波长，作为扣件状态诊断的特征指标；联合 SSA‑SVM 模型训练特征指
标，用于构建分类模型。结果表明：该方法对高速铁路扣件状态诊断的准确率达到 97.50%，SSA‑SVM 模型诊断效果优于其他
方法，且使用多个评价指标验证其有效性和准确率能够满足实际应用的需求。

关键词: 扣件状态诊断； 车辆动态响应； 广义解调时频分析方法； SSA‑SVM 模型
+
中图分类号: U213.5 3； TN911.7 文献标志码: A DOI：10.16385/j.cnki.issn.1004-4523.202305008

Dynamic response diagnosis method for poor condition
of high-speed railway fasteners

2
2
1
ZHOU Liangqi ， LIU Jinzhao ， XU Xiaodi ， LI Zhongyan 1
（1.School of Mathematics and Physics， North China Electric Power University， Beijing 102206， China；
2.Infrastructure Inspection Research Institute， China Academy of Railway Sciences Corporation Limited， Beijing 100081， China）
Abstract: In order to improve the intelligence of fastener disease diagnosis， a fastener condition diagnosis method is proposed
based on vehicle dynamic response data and generalized demodulation time-frequency analysis combined with sparrow search algo‑
rithm-support vector machine （SSA-SVM） model. The acceleration signals of the normal and abnormal sections of the fastener are
collected， and the short-time Fourier transform and the maximum overlapping discrete wavelet packet transform are used to prepro‑
cess the signal data. The generalized demodulation time-frequency analysis method is used to decompose the signal， and the effec‑
tive value， energy contribution rate and wavelength of the main information components are calculated as the characteristic index.
The characteristic index is trained by the joint SSA-SVM model to construct the classification model. The results show that the ac‑
curacy of the method is 97.50%， and several evaluation indicators are used to verify that its effectiveness and accuracy can meet the
actual needs.
Keywords: fastener status diagnostics； vehicle dynamic response； generalized demodulation time-frequency analysis method；
SSA-SVM model

高速铁路列车的行驶安全与轨道状态密不可 过高，难以满足现代高速铁路的智能化检测需求。
［1］
分 ，而高速铁路轨道的扣件结构是其中的重要组 因此实现扣件状态的智能化、高精度和高效诊断，对
［3］
成部件之一，起到了降噪缓振、固定钢轨与轨枕的作 于保证轨道列车安全运行具有重要意义 。
［2］
用 。扣件的工作状态分为正常、失效两种情况，其 目前，对于铁路扣件状态诊断的智能化检验方
中扣件失效状态则包括：扣件螺栓松动、弹条失位、 法主要是采用基于机器视觉的图像处理系统。通过
弹条损伤和弹条断裂等。传统的扣件状态诊断方法 在行驶的高速列车底部安装高速线阵相机，对铁道
大多依赖于人工巡检，该方法的工作效率较低、成本 线路进行拍照获取扣件的图像数据，并将此刻的扣

收稿日期: 2023-05-04； 修订日期: 2023-07-12
基金项目: 中国铁路总公司科技研究开发计划项目（P2018G051-3）；中国铁道科学研究院集团有限公司科研开发基金
资助项目（2019YJ153）