基于MEEMD和GA-SVM的列车车轮多边形故障识别方法

• 作者: 陈光雄 陈博
• 来源期刊: 噪声与振动控制
• 学科: 交通运输
• 关键词: 振动与波 车轮多边形识别 改进的集合经验模态分解 遗传算法支持向量机 包络谱熵
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 信号处理与故障诊断
• 页码范围: 157-161,197
• 页数: 6页
• 分类号: TP206.3|U260.331.1
• 字数: 4585字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2018.03.030

摘要

根据列车车轮振动信号的非平稳特性,提出一种基于改进的集合经验模态分解(MEEMD)和遗传算法支持向量机(GA-SVM)的诊断方法,用于识别车轮多边形故障.该方法对车轮轴箱垂向振动信号进行MEEMD分解,依据各固有模态函数(IMF)分量的峭度值和能量值选取出主要IMF分量.利用希尔伯特变换求取主要IMF分量的包络谱,并计算包络谱熵.将包络谱熵值归一化后作为特征向量输入GA-SVM中进行训练和识别.对实测信号进行分析的结果表明该方法能有效识别出车轮多边形故障,识别准确率可达到95％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈光雄	西南交通大学机械工程学院	142	1851	24.0	34.0
2	陈博	西南交通大学机械工程学院	4	6	1.0	2.0