轨道不平顺作用下铁路列车车体振动状态的PCA-SVM预测分析

为快速预测铁路机车车辆在不平顺轨道上的的振动状态,根据车体振动加速度的3个评价指标(绝对峰值、标准差、绝对平均值),提出基于PCA-SVM方法的车体振动状态分类预测模型。首先对不同评价指标和车体振动状态下的轨道不平顺样本进行聚类,提取轨道不平顺样本中的特征统计参数,并进行PCA参数降维和信息优化,最后以不同状态下各种评价指标的车体振动主要特征值为训练样本,构建SVM多类分类器。对轨道检查车多次实地检测的数据采用PCA-SVM分类器计算的分析结果表明:绝对均值、方根均值、方根幅值等主要轨道不平顺统计参数控制车体的整体振动状态,其他特征参数起调节车体振动的作用;采用扭曲和水平不平顺作为预测模型的输入,可使车体振动状态的测算准确率达到90%以上。