基于EEMD降噪和流形学习的高速列车走行部故障特征提取

• 作者: 于萍 秦娜 金炜东
• 来源期刊: 铁道学报
• 学科: 交通运输
• 关键词: 集合经验模态分解 流形学习 邻域保持嵌入 维数约简 支持向量机
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 铁道机车车辆、电气化
• 页码范围: 16-21
• 页数: 6页
• 分类号: U266
• 字数: 4621字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-8360.2016.04.003

摘要

为提取走行部故障信号中的冲击成分,提出基于集合经验模态分解降噪和流形学习的故障特征提取模型.依据由峭度和互相关系数所得的综合指标最大准则对故障信号进行集合经验模态分解降噪,以突出各故障主要冲击特征信息;提取已降噪信号的时域、频域、小波包能量矩等多个特征来构造每个样本的高维特征集;运用邻域保持嵌入算法进行维数约简;利用支持向量机进行故障类型识别.标准数据集和高铁故障数据仿真实验结果验证了该模型的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金炜东	西南交通大学电气工程学院	295	3889	30.0	49.0
2	秦娜	西南交通大学电气工程学院	35	294	10.0	15.0
3	于萍	西南交通大学电气工程学院	1	14	1.0	1.0