振动、测试与诊断
振動、測試與診斷
진동、측시여진단
Journal of Vibration,Measurement & Diagnosis
2015年
5期
885-891
,共7页
秦娜%蒋鹏%孙永奎%金炜东
秦娜%蔣鵬%孫永奎%金煒東
진나%장붕%손영규%금위동
高速列车转向架%特征提取%聚合经验模态分解%排列熵%最小二乘支持向量机
高速列車轉嚮架%特徵提取%聚閤經驗模態分解%排列熵%最小二乘支持嚮量機
고속열차전향가%특정제취%취합경험모태분해%배렬적%최소이승지지향량궤
高速列车转向架关键部件发生机械故障会体现在车体和转向架的振动信号中 ,为了从监测数据中提取非线性特征参数用于转向架故障状态的反演识别 ,提出基于聚合经验模态分解排列熵的特征分析方法.首先 ,对振动信号进行聚合经验模态分解 ,得到一系列窄带本征模态函数 ;然后 ,对原信号和本征模态函数分别计算排列熵值 ,组成多尺度的复杂性度量特征向量 ;最后 ,将高维特征向量输入最小二乘支持向量机分类识别出转向架的工作状态.仿真实验结果表明 ,该方法在运行速度为200 km/h时 ,多个通道达到95% 以上的识别率 ,验证了通过聚合经验模态分解排列熵对高速列车转向架机械故障诊断的可行性.
高速列車轉嚮架關鍵部件髮生機械故障會體現在車體和轉嚮架的振動信號中 ,為瞭從鑑測數據中提取非線性特徵參數用于轉嚮架故障狀態的反縯識彆 ,提齣基于聚閤經驗模態分解排列熵的特徵分析方法.首先 ,對振動信號進行聚閤經驗模態分解 ,得到一繫列窄帶本徵模態函數 ;然後 ,對原信號和本徵模態函數分彆計算排列熵值 ,組成多呎度的複雜性度量特徵嚮量 ;最後 ,將高維特徵嚮量輸入最小二乘支持嚮量機分類識彆齣轉嚮架的工作狀態.倣真實驗結果錶明 ,該方法在運行速度為200 km/h時 ,多箇通道達到95% 以上的識彆率 ,驗證瞭通過聚閤經驗模態分解排列熵對高速列車轉嚮架機械故障診斷的可行性.
고속열차전향가관건부건발생궤계고장회체현재차체화전향가적진동신호중 ,위료종감측수거중제취비선성특정삼수용우전향가고장상태적반연식별 ,제출기우취합경험모태분해배렬적적특정분석방법.수선 ,대진동신호진행취합경험모태분해 ,득도일계렬착대본정모태함수 ;연후 ,대원신호화본정모태함수분별계산배렬적치 ,조성다척도적복잡성도량특정향량 ;최후 ,장고유특정향량수입최소이승지지향량궤분류식별출전향가적공작상태.방진실험결과표명 ,해방법재운행속도위200 km/h시 ,다개통도체도95% 이상적식별솔 ,험증료통과취합경험모태분해배렬적대고속열차전향가궤계고장진단적가행성.