基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为解决列车高速运行时,出现的蛇行失稳故障难以被准确识别的问题,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)熵特征和最小二乘法支持向量机(least squares support vector machine,LSSVM)的高速列车蛇行异常运动状态的诊断方法.首先通过EEMD对高速列车蛇行故障振动信号进行分解,再提取固有模态函数(intrinsic mode function,IMF)分量的样本熵特征、香农熵特征和能量熵特征,最后分别用LSSVM进行训练和识别.试验结果表明:高速列车在330袁350 km/h的运行速度下,EEMD熵特征-LSSVM方法能准确识别高速列车蛇行失稳状态,并且LSSVM的输入特征为能量熵特征时,识别效果优于样本熵特征和香农熵特征,识别率达到95%.
推荐文章
基于MEEMD香农熵-LSSVM的高速列车蛇行失稳诊断方法
蛇行运动
改进的集合经验模态分解(MEEMD)
Hilbert-Huang变换(HHT)
香农熵
最小二乘法支持向量机(LSSVM)
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
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
基于MEEMD香农熵-LSSVM的高速列车蛇行失稳诊断方法
蛇行运动
改进的集合经验模态分解(MEEMD)
Hilbert-Huang变换(HHT)
香农熵
最小二乘法支持向量机(LSSVM)
基于EEMD-TEO熵的高速列车轴承故障诊断方法
经验模态分解
奇异值分解
Teager能量算子
瞬时频率
轴承故障
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于EEMD能量熵的高速列车蛇行诊断研究
来源期刊 中国测试 学科
关键词 蛇行失稳 集合经验模态分解 固有模态函数 熵特征 最小二乘法支持向量机
年,卷(期) 2017,(5) 所属期刊栏目 测控技术
研究方向 页码范围 96-100
页数 5页 分类号
字数 3315字 语种 中文
DOI 10.11857/j.issn.1674-5124.2017.05.020
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈春俊 西南交通大学机械工程学院 112 556 12.0 19.0
2 宁静 西南交通大学机械工程学院 23 93 5.0 9.0
3 叶运广 西南交通大学机械工程学院 11 20 3.0 4.0
4 刘棋 西南交通大学机械工程学院 5 10 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (36)
共引文献  (68)
参考文献  (16)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1961(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(7)
  • 参考文献(3)
  • 二级参考文献(4)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(3)
  • 参考文献(1)
  • 二级参考文献(2)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(4)
  • 参考文献(1)
  • 二级参考文献(3)
2013(3)
  • 参考文献(2)
  • 二级参考文献(1)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
蛇行失稳
集合经验模态分解
固有模态函数
熵特征
最小二乘法支持向量机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国测试
月刊
1674-5124
51-1714/TB
大16开
成都市成华区玉双路10号
26-260
1975
chi
出版文献量(篇)
4463
总下载数(次)
7
论文1v1指导