基于EEMD-KNN的机车牵引座状态识别方法

摘要：

机车牵引座的安全可靠性对机车运行的安全性起到重要作用,因此对机车牵引座状态识别研究具有重要的经济价值和社会意义.为了开展牵引座的正常、小裂纹、大裂纹等3种状态识别研究,搭建机车牵引座的模拟实验台,用加速度传感器采集不同状态的振动信号,对原始数据进行时域特征提取,并进行集合经验模态分解(EEMD)提取时频域特征,采用K邻近算法(KNN)进行牵引座状态识别.实验结果表明:基于EEMD-KNN模式识别方法能对机车牵引座状态进行有效识别,识别率达到83.3％;而且添加时域特征之后的识别率更高一些,识别率达到90.5％.

关键词：牵引座、特征提取、集合经验模态分解、K邻近算法、状态识别

所属期刊栏目：50

分类号：TP182;TH133(自动化基础理论)

资助基金：国家自然科学基金;江西省教育厅资助项目

在线出版日期：2022-09-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：32-36