【机械设备故障诊断】一种用于变速条件下铁路车轮踏面擦伤检测的两级自适应调频模态分解方法（Matlab代码实现）

💥1 概述

本文通过一个后处理步骤来解决宽带脉冲信号分解算法中的过分解问题，能够与任意信号分解方法相结合。该方法在检测脉冲信号成分方面展现出显著优势，尤其适用于机械设备故障诊断领域。

本文复现论文《Chen S, Wang K, Chang C, et al. A two-level adaptive chirp mode decomposition method for the railway wheel flat detection under variable-speed conditions, Journal of Sound and Vibration, 2021》中的一些研究成果。还查考另外两篇论文：《Chen S, Dong X, Peng Z, et al, Nonlinear Chirp Mode Decomposition: A Variational Method, IEEE Transactions on Signal Processing, 2017》以及《Chen S, Yang Y, Peng Z, et al, Detection of Rub-Impact Fault for Rotor-Stator Systems: A Novel Method Based on Adaptive Chirp Mode Decomposition, Journal of Sound and Vibration, 2019》，这些论文为本文的应用和技术改进提供了重要基础。

摘要 车轮踏面擦伤作为一种常见的铁路车辆缺陷，会对车辆及线路基础设施造成较大的冲击力，严重影响车辆运行的稳定性和安全性。鉴于复杂的轨道不平顺情况及列车变速行驶条件，车辆振动响应中常包含强烈的干扰信号分量，且频率内容随时间变化，这对车轮擦伤的检测构成了严峻挑战。本文首先利用考虑变速条件下车轮擦伤的车辆-轨道耦合模型，计算并分析车辆的振动加速度。随后，依据振动特征，发展了一种两级自适应调频模态分解（ACMD）方法应用于车轮擦伤检测。具体而言，在方法的第一级中，ACMD与基于基尼指数的模态选择与重组策略结合，旨在强干扰环境下分离不同的故障信号模态。基于分离出的