基于MEEMD香农熵-LSSVM的高速列车蛇行失稳诊断方法

• 作者: 刘棋 叶运广 宁静 崔万里 种传杰
• 来源期刊: 计算机应用研究
• 关键词: 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)
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 系统应用开发
• 页码范围: 1097-1100
• 页数: 4页
• 分类号: TP277
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.04.032

摘要

针对列车高速运行时易出现蛇行失稳这一问题,提出了一种改进的集合经验模态分解(modified ensem-ble empirical mode decomposition,MEEMD)香农熵—最小二乘法支持向量机(least squares support vector machine,LSSVM)的高速列车蛇行失稳诊断方法.首先通过MEEMD对列车330 ～ 350 km/h时转向架构架的横向振动信号进行分解,得到固有模态函数(intrinsic mode function,IMF),再通过Hilbert变换(HT)分析其时频聚集性,同时提取IMF分量的香农熵特征,最后用LSSVM进行训练和识别.结果表明,转向架蛇行失稳状态下的时频分布的聚集性较正常状态下好,并且MEEMD香农熵-LSSVM方法的识别率和计算耗时优于EEMD-SVM方法,识别率达到96.67％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宁静	西南交通大学机械工程学院	23	93	5.0	9.0
2	叶运广	西南交通大学机械工程学院	11	20	3.0	4.0
3	刘棋	西南交通大学机械工程学院	5	10	2.0	3.0
4	种传杰	西南交通大学机械工程学院	5	11	2.0	3.0
5	崔万里	西南交通大学机械工程学院	4	10	2.0	3.0