计算机应用
計算機應用
계산궤응용
Journal of Computer Applications
2015年
10期
2819-2823
,共5页
陈志%李天瑞%李明%杨燕
陳誌%李天瑞%李明%楊燕
진지%리천서%리명%양연
故障诊断%计算统一设备架构%经验模态分解%模糊熵%最近邻分类算法
故障診斷%計算統一設備架構%經驗模態分解%模糊熵%最近鄰分類算法
고장진단%계산통일설비가구%경험모태분해%모호적%최근린분류산법
fault diagnosis%Compute Unified Device Architecture (CUDA)%Empirical Mode Decomposition (EMD)%fuzzy entropy%K-Nearest Neighbor (KNN) classification algorithm
为解决传统高铁振动信号故障诊断方法速度慢、难以满足实时处理的要求,提出一种基于计算统一设备架构(CUDA)加速的高铁振动信号故障诊断方法.首先利用CUDA架构对高铁数据进行经验模态分解(EMD),进而计算分解所得到的各个分量的模糊熵,最后利用最近邻分类(KNN)算法对多个模糊熵特征组成的特征空间进行故障分类.实验结果表明,该方法能高效地对高铁振动信号进行故障分类,运行速度较传统方法有明显提高.
為解決傳統高鐵振動信號故障診斷方法速度慢、難以滿足實時處理的要求,提齣一種基于計算統一設備架構(CUDA)加速的高鐵振動信號故障診斷方法.首先利用CUDA架構對高鐵數據進行經驗模態分解(EMD),進而計算分解所得到的各箇分量的模糊熵,最後利用最近鄰分類(KNN)算法對多箇模糊熵特徵組成的特徵空間進行故障分類.實驗結果錶明,該方法能高效地對高鐵振動信號進行故障分類,運行速度較傳統方法有明顯提高.
위해결전통고철진동신호고장진단방법속도만、난이만족실시처리적요구,제출일충기우계산통일설비가구(CUDA)가속적고철진동신호고장진단방법.수선이용CUDA가구대고철수거진행경험모태분해(EMD),진이계산분해소득도적각개분량적모호적,최후이용최근린분류(KNN)산법대다개모호적특정조성적특정공간진행고장분류.실험결과표명,해방법능고효지대고철진동신호진행고장분류,운행속도교전통방법유명현제고.
