基于EEMD排列熵的高速列车轮对轴承故障诊断方法

• 作者: 庄哲 施莹 林建辉
• 来源期刊: 中国测试
• 关键词: 高速列车轮对轴承 故障诊断 聚合经验模态分解 排列熵 特征提取 最小二乘支持向量机
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 测控技术
• 页码范围: 89-95
• 页数: 7页
• 字数: 3897字
• 语种: 中文
• DOI: 10.11857/j.issn.1674-5124.2017.11.018

摘要

高速列车轮对轴承的可靠度对高速列车的安全运行具有重要意义,其故障特征主要体现在轴箱振动信号中.该文提出基于聚合经验模态分解排列熵的轮对轴承特征分析方法,提取高速列车轮对轴承振动信号的非线性特征参数,并用于故障状态的分类识别.首先,对高速列车轮对轴箱振动信号进行聚合经验模态分解,得到一系列窄带本征模态函数;然后,对原信号和主要本征模态函数分别计算,得到多组排列熵,形成多尺度的表征信息复杂性高维特征向量;最后,将高维特征向量输入最小二乘支持向量机分类识别出轮对轴承的故障状态.台架试验分析结果表明:该方法针对高速列车轮对轴承故障尤其是轴承复合故障具有较高的识别率,验证通过聚合经验模态分解排列熵对高速列车轮对轴承故障诊断的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林建辉	西南交通大学牵引动力国家重点实验室	200	1374	17.0	29.0
2	庄哲	西南交通大学牵引动力国家重点实验室	8	21	3.0	4.0
3	施莹	西南交通大学牵引动力国家重点实验室	7	19	3.0	4.0