基于非平衡数据的车辆轮对状态集成分类方法

• 作者: 敖银辉 方恩权 袁敏正 陈希隽 黄晓鹏
• 来源期刊: 西南交通大学学报
• 学科: 工学
• 关键词: 平轮故障 变分模态分解 特征提取 支持向量机 故障诊断
• 年，卷（期）: 2017,（5）
• 页码范围: 852-858
• 页数: 7页
• 分类号: TH17
• 字数: 4918字
• 语种: 中文
• DOI: 10.3969/j.issn.0258-2724.2017.05.003

摘要

针对地铁车辆轮轨振动信号信噪比低、非线性、非平稳等特点,为实现平轮故障的不解体检测诊断,提出了一种基于非平衡数据的集成分类器模型.以踏面正常、踏面擦伤、踏面剥离和圆周磨耗四种典型的平轮故障为研究对象,对采集的轮轨振动信号进行变分模态分解与模糊嫡特征提取,构造故障特征数据集;通过偏置支持向量机筛选训练集中的支持向量样本并进行SMOTE(synthetic minority oversampling technique)过采样,对非支持向量进行分层组合并构造集成分类器,采用有向无环图的方式对测试集进行平轮故障识别;最后,通过查全率和查准率对比分析,给出多类非平衡数据集的分类性能评价.论文在车辆段轨旁进行了空载分类试验,实验结果表明,所提出的方法对4种定性模式障的识别准确率超过96%,可被有效应用于地铁车辆的平轮故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	敖银辉	广东工业大学机电工程学院	62	389	12.0	17.0
2	方恩权		15	34	3.0	5.0
3	黄晓鹏	广东工业大学机电工程学院	2	4	1.0	2.0
4	袁敏正		3	45	1.0	3.0
5	陈希隽		1	1	1.0	1.0