基于白噪声统计特性与EEMD的高速列车横向减振器故障诊断

• 作者: 李辉 金炜东
• 来源期刊: 计算机应用研究
• 关键词: 高速列车 横向减振器 故障诊断 白噪声统计特性 支持向量机 聚合经验模态分解
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2648-2651
• 页数: 4页
• 分类号: TP206.3
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.09.019

摘要

针对高速列车横向减振器故障信号非线性非平稳的特点,提出了基于白噪声统计特性与聚合经验模态分解(EEMD)相结合的故障诊断算法.利用经验模态分解(EMD)对故障信号进行去噪,然后对去噪后的信号进行EEMD分解,最后对用相关系数求得的最能反映振动信号的本征模态函数(IMF)计算排列组合熵.在240km/h速度下,对高速列车横向减振器七种工况进行诊断,识别率达到91.8％.实验结果表明,与基于小波熵特征分析的算法相比,该算法具有更高的识别率和更强的抗噪性能.

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	李辉	西南交通大学电气工程学院	33	222	9.0	14.0