10.15913/j.cnki.kjycx.2020.19.001
基于MEEMD-SVM的城轨车辆车轮多边形故障诊断方法
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%.
城轨车辆、车轮多边形、经验模态分解、支持向量机
U279.4(车辆工程)
国家重点研发计划资助项目"复杂环境下轨道车辆全生命周期能力保持与优化"编号:2017YFB1201201
2020-10-14(万方平台首次上网日期,不代表论文的发表时间)
共3页
1-3