基于LSSVM和PNN的车轮状态安全域估计及故障诊断

• 作者: 冯坚强 曹康 李俊明 王晓浩
• 来源期刊: 机械制造与自动化
• 学科: 工学
• 关键词: 城轨车辆 车轮 振动信号 安全域 故障诊断
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 信息技术
• 页码范围: 141-145,163
• 页数: 6页
• 分类号: TP277
• 字数: 4637字
• 语种: 中文
• DOI: 10.19344/j.cnki.issn1671-5276.2017.01.038

摘要

为了实时监测城轨车辆的车轮状态,及时发现车轮故障,提出一种基于最小二乘支持向量机和概率神经网络的车轮状态安全域估计及故障诊断方法.对仿真得到的钢轨振动信号进行经验模态分解,提取各本征模函数特征,采用LSSVM实现对车轮服役状态的安全域估计,采用PNN对正常车轮、扁疤车轮、不圆车轮这3种状态进行模式识别.实验结果表明,该方法能够准确有效地识别车轮工作状态与故障类型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯坚强		3	2	1.0	1.0
2	李俊明		1	2	1.0	1.0
3	王晓浩	南京理工大学自动化学院	7	44	4.0	6.0
4	曹康	南京理工大学自动化学院	1	2	1.0	1.0