原文服务方: 中国机械工程       
摘要:
针对现有的高速列车监测方法没有考虑高速列车振动信号的非平稳特性,从而使得列车出现蛇形失稳现象的问题,提出一种采用S变换的方法对高速列车转向架信号进行处理,进而提取高速列车运行特征.采用最小二乘支持向量机(LS-SVM)对特征进行训练和识别,结果证明,基于S变换的特征提取方法的识别准确率达到了100%,优于基于小波变换的特征提取方法,从而可以及时预测高速列车的运行状态,保障列车的运行安全.
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)
高速转向架小幅蛇行运动状态下过道岔研究
高速转向架
小幅蛇行
道岔不平顺
蛇行失稳
抗蛇行减振器在高速列车上的应用
高速列车
抗蛇行减振器
串联刚度
特征值
车体结构弯曲振动
基于多重分形去趋势波动分析的高速列车运行状态识别方法
高速列车
状态识别
多重分形去趋势波动分析
多重分形奇异谱
广义Hurst指数谱
支持向量机
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S变换的高速列车小幅蛇行识别方法
来源期刊 中国机械工程 学科
关键词 高速列车 小幅蛇行 S变换 小波变换 最小二乘支持向量机
年,卷(期) 2019,(9) 所属期刊栏目 工程前沿
研究方向 页码范围 1097-1102,1110
页数 7页 分类号 TP277
字数 语种 中文
DOI 10.3969/j.issn.1004-132X.2019.09.012
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 冉伟 西南交通大学机械工程学院 2 1 1.0 1.0
4 种传杰 西南交通大学机械工程学院 5 11 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (21)
参考文献  (7)
节点文献
引证文献  (1)
同被引文献  (5)
二级引证文献  (0)
1976(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(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)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
高速列车
小幅蛇行
S变换
小波变换
最小二乘支持向量机
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
中国机械工程
月刊
1004-132X
42-1294/TH
大16开
湖北省武汉市洪山区南李路湖北工业大学
1990-01-01
中文
出版文献量(篇)
13171
总下载数(次)
0
总被引数(次)
206238
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导