基于EEMD-SVD-LTSA的高速列车蛇行演变特征提取框架

• 作者: 冉伟 宁静 陈春俊 陈杨
• 来源期刊: 电子测量技术
• 学科: 交通运输
• 关键词: 蛇行运动 集合经验模态分解 (EEMD) 奇异值分解 (SVD) 局部切空间排列 (LTSA) 最小二乘法支持向量机 (LSSVM)
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 理论与算法
• 页码范围: 1-5
• 页数: 5页
• 分类号: U216.3|TH17|TN9
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1802194

摘要

高速列车一旦出现蛇行失稳, 列车的运行安全会受到严重威胁.在出现蛇行失稳前, 高速列车会进入小幅蛇行发散状态, 因此监测列车小幅蛇行演变趋势可以预测列车的运行状况, 然而现有的文献鲜有对小幅蛇行演变特征进行研究, 为此, 提出一种基于EEMD-SVD-LTSA的高速列车特征提取框架, 识别其演变趋势是小幅发散还是小幅收敛, 进而预测列车运行状况.通过在线实验数据验证表明, 提出的框架能成功提取高速列车小幅收敛、小幅发散的运行特征, 且使用LSSVM的识别率达到100％, 从而及时预测高速列车的运行状态, 保障列车的运行安全.

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		112	556	12.0	19.0
2	宁静		23	93	5.0	9.0
3	陈杨		7	13	2.0	3.0
4	冉伟		2	1	1.0	1.0