基于EEMD样本熵的高速列车转向架故障特征提取

被引：92

作者：

秦娜

金炜东

黄进

李智敏

刘景波

机构：

[1] 西南交通大学电气工程学院

来源：

西南交通大学学报 | 2014年 / 49卷 / 01期

基金：

中央高校基本科研业务费专项资金资助; 国家自然科学基金重点项目;

关键词：

转向架; 阈值消噪; 聚合经验模态分解; 样本熵; 支持向量机;

D O I：

暂无

中图分类号：

U270.33 [走行部分]; TN911.6 [信号分析];

学科分类号：

082301 [道路与铁道工程]; 120505 [信息分析];

摘要：

为了监测高速列车转向架关键部件的工作状态,提出了采用聚合经验模态分解和样本熵信息测度理论相结合的方法提取信号特征.以转向架正常、空气弹簧失气、横向减振器故障和抗蛇行减振器故障4种典型工况下车体及转向架的振动信号为研究对象,将信号进行聚合经验模态分解,得到一系列成分简单的固有模态函数,分别计算样本熵值构成高维特征矢量,最后采用支持向量机进行故障状态的分类识别.实验结果表明,列车在200 km/h速度下,故障识别率可以达到88%,证明了该特征提取算法的有效性.

引用

页码：27 / 32

页数：6

共 15 条

[1]

水文系统复杂性模型研究及应用 [J].

康艳 ;

蔡焕杰 ;

宋松柏 .

水力发电学报, 2013, 32 (01) :5-10

[2]

基于ROC曲线的驾驶疲劳脑电样本熵判定阈值研究 [J].

赵晓华 ;

许士丽 ;

荣建 ;

张兴俭 .

西南交通大学学报, 2013, 48 (01) :178-183

[3]

环境激励下钢筋混凝土拱桥模态参数识别 [J].

蒲黔辉 ;

秦世强 ;

施洲 ;

王秋萍 ;

勾红叶 .

西南交通大学学报, 2012, 47 (04) :539-545

[4]

基于EMD包络谱分析的液压泵故障诊断方法 [J].

唐宏宾 ;

吴运新 ;

滑广军 ;

马昌训 .

振动与冲击, 2012, 31 (09) :44-48

[5]

基于EEMD和SVR的单自由度结构状态趋势预测 [J].

刘义艳 ;

贺栓海 ;

巨永锋 ;

段晨东 .

振动与冲击, 2012, 31 (05) :60-64

[6]

EMD和Cohen类结合抑制交叉项的时-频分析方法 [J].

宁静 ;

朱肇昆 .

西南交通大学学报, 2010, 45 (03) :400-404

[7]

铁路货车可靠性试验方法及评价标准的研究 [J].

王新锐 ;

丁勇 ;

李国顺 .

中国铁道科学, 2010, 31 (01) :116-122

[8]

列车关键部件安全监测理论与分析研究 [D].

张兵 .

西南交通大学,

2008

[9]

Vibration Fault Diagnosis Method of Centrifugal Pump Based on EMD Complexity Feature and Least Square Support Vector Machine.[J].Zhou Yunlong;Zhao Peng.Energy Procedia.2012,

[10]

Early fault diagnosis of rotating machinery based on wavelet packets—Empirical mode decomposition feature extraction and neural network.[J].G.F. Bin;J.J. Gao;X.J. Li;B.S. Dhillon.Mechanical Systems and Signal Processing.2011,

← 1 2 →