基于MEEMD-SVM的城轨车辆车轮多边形故障诊断方法

• 作者: 王兴宇 胡林桥
• 来源期刊: 科技与创新
• 关键词: 城轨车辆 车轮多边形 经验模态分解 支持向量机
• 年，卷（期）: 2020,（19）
• 所属期刊栏目: 理论探索
• 页码范围: 1-3
• 页数: 3页
• 分类号: U279.4
• 语种: 中文
• DOI: 10.15913/j.cnki.kjycx.2020.19.001

摘要

针对城轨车辆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)和支持向量机(SVM)的车轮多边形故障诊断方法.该方法以车轮轴箱垂向振动信号为数据源,通过MEEMD方法将信号分解成多阶IMF分量,计算主要分量的样本熵值,并将其作为特征向量输入到SVM模型中进行分类识别.实验分析结果表明,该方法能有效识别车轮多边形故障,识别准确率可达95％.