本文選題：轉(zhuǎn)向架 + 閾值消噪��； 參考：《西南交通大學(xué)學(xué)報》2014年01期

【摘要】：為了監(jiān)測高速列車轉(zhuǎn)向架關(guān)鍵部件的工作狀態(tài),提出了采用聚合經(jīng)驗?zāi)B(tài)分解和樣本熵信息測度理論相結(jié)合的方法提取信號特征.以轉(zhuǎn)向架正常、空氣彈簧失氣、橫向減振器故障和抗蛇行減振器故障4種典型工況下車體及轉(zhuǎn)向架的振動信號為研究對象,將信號進(jìn)行聚合經(jīng)驗?zāi)B(tài)分解,得到一系列成分簡單的固有模態(tài)函數(shù),分別計算樣本熵值構(gòu)成高維特征矢量,最后采用支持向量機(jī)進(jìn)行故障狀態(tài)的分類識別.實驗結(jié)果表明,列車在200 km/h速度下,故障識別率可以達(dá)到88%,證明了該特征提取算法的有效性.
[Abstract]:In order to monitor the working state of the key parts of the bogie of high-speed train, a method of extracting the signal features by combining the aggregate empirical mode decomposition with the information measure theory of sample entropy is proposed. The vibration signals of car body and bogie under four typical working conditions, such as normal bogie, air spring loss, transverse shock absorber fault and anti-snake shock absorber fault, are studied, and the signals are decomposed by polymeric empirical mode. A series of inherent modal functions with simple components are obtained and the entropy values of the samples are calculated to form the high dimensional feature vectors. Finally support vector machines are used to classify and identify the fault states. The experimental results show that the fault recognition rate of the train can reach 88 at the speed of 200 km/h, which proves the effectiveness of the feature extraction algorithm.
【作者單位】： 西南交通大學(xué)電氣工程學(xué)院;
【基金】：國家自然科學(xué)基金重點項目(61134002);國家自然科學(xué)基金資助項目(61075104) 中央高�；究蒲袠I(yè)務(wù)費專項資金資助項目(SWJTU11BR039,SWJTU11ZT06)
【分類號】：U270.33;TN911.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 寧靜;朱肇昆;;EMD和Cohen類結(jié)合抑制交叉項的時-頻分析方法[J];西南交通大學(xué)學(xué)報;2010年03期

2 劉義艷;賀栓海;巨永鋒;段晨東;;基于EEMD和SVR的單自由度結(jié)構(gòu)狀態(tài)趨勢預(yù)測[J];振動與沖擊;2012年05期

3 唐宏賓;吳運新;滑廣軍;馬昌訓(xùn);;基于EMD包絡(luò)譜分析的液壓泵故障診斷方法[J];振動與沖擊;2012年09期

4 王新銳;丁勇;李國順;;鐵路貨車可靠性試驗方法及評價標(biāo)準(zhǔn)的研究[J];中國鐵道科學(xué);2010年01期

5 蒲黔輝;秦世強(qiáng);施洲;王秋萍;勾紅葉;;環(huán)境激勵下鋼筋混凝土拱橋模態(tài)參數(shù)識別[J];西南交通大學(xué)學(xué)報;2012年04期

6 趙曉華;許士麗;榮建;張興儉;;基于ROC曲線的駕駛疲勞腦電樣本熵判定閾值研究[J];西南交通大學(xué)學(xué)報;2013年01期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭曉婷;劉偉;李建;;EMD與CWD結(jié)合在暫態(tài)電能質(zhì)量擾動檢測中的應(yīng)用[J];蘭州理工大學(xué)學(xué)報;2012年06期

2 吳國洋;;基于特征熵和優(yōu)化SVM的軸承故障診斷方法[J];蘭州理工大學(xué)學(xué)報;2013年04期

3 DAI Zhi-Xiu;;New Metrics of the Tropospheric Biennial Oscillation in the East Asian Summer Monsoon and Its Interdecadal Shift[J];Atmospheric and Oceanic Science Letters;2013年06期

4 劉力;畢貴紅;祖哲;陳仕龍;;基于掩膜分量的改進(jìn)HHT方法在電能質(zhì)量擾動信號定位中的應(yīng)用[J];電氣自動化;2013年05期

5 趙蓓蕾;吳亞婷;李強(qiáng);;基于形態(tài)學(xué)與灰度模態(tài)分析的陰影去除方法[J];兵工自動化;2013年12期

6 后銳;伍嘉文;羅智;;并購浪潮與股市波動:基于EMD的相關(guān)性檢驗與解釋[J];系統(tǒng)工程;2013年09期

7 梁萍;丁一匯;;強(qiáng)降水過程氣候態(tài)季節(jié)內(nèi)振蕩及其在延伸期預(yù)報中的應(yīng)用[J];高原氣象;2013年05期

8 黃長軍;郭際明;喻小東;袁長征;;干涉圖EMD-自適應(yīng)濾波去噪法[J];測繪學(xué)報;2013年05期

9 車榮飛;賈劍鋼;馬武剛;;VP型傾斜儀自動信號判別與調(diào)零實現(xiàn)[J];大地測量與地球動力學(xué);2013年S2期

10 張長明;;絕緣子泄漏電流聚類算法研究[J];電瓷避雷器;2013年05期

相關(guān)博士學(xué)位論文 前10條

1 寧靜;基于EMD和Cohen核的時—頻分析研究及其在軌道不平順監(jiān)測中的應(yīng)用[D];西南交通大學(xué);2011年

2 杜文遼;狀態(tài)監(jiān)控與智能診斷關(guān)鍵技術(shù)研究及其在汽車起重機(jī)主泵中的應(yīng)用[D];上海交通大學(xué);2013年

3 丁國君;動車組制動控制系統(tǒng)故障診斷方法研究[D];北京交通大學(xué);2013年

4 鄭嚴(yán);基于智能算法的結(jié)構(gòu)可靠性分析及優(yōu)化設(shè)計研究[D];西南交通大學(xué);2012年

5 康艷;渭河流域人水和諧評價指標(biāo)體系與方法研究[D];西北農(nóng)林科技大學(xué);2013年

6 陳向民;基于形態(tài)分量分析和線調(diào)頻小波路徑追蹤的機(jī)械故障診斷方法研究[D];湖南大學(xué);2013年

7 唐友福;基于廣義局部頻率的非線性非平穩(wěn)信號故障特征提取方法研究[D];上海大學(xué);2013年

8 郭堯琦;分形市場下有色金屬價格波動問題研究[D];中南大學(xué);2012年

9 滑廣軍;混凝土泵車臂架結(jié)構(gòu)健康監(jiān)測關(guān)鍵技術(shù)研究[D];中南大學(xué);2013年

10 邵喜高;基于統(tǒng)計學(xué)習(xí)理論的多核預(yù)測模型研究及應(yīng)用[D];中南大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 郭t樻，

本文編號：1878713