基于 EEMD 奇异熵的高速道岔裂纹伤损检测

摘要：

针对高速道岔裂纹伤损特征提取及状态监测问题，提出一种基于集合经验模态分解（ensem ble em pirical mode decomposition ，简称EEMD）奇异熵和最小二乘支持向量机（least square support vector machine ，简称LSS‐VM ）的高速道岔裂纹伤损检测方法。首先，通过EEMD方法将非平稳的道岔振动信号自适应地分解为有限个基本模态分量（intrinsic mode function ，简称IM F），每个IM F包含了原信号不同的特征尺度；然后，利用相关性分析筛选出与原始信号相关性最大的若干个IM F ，计算所筛选IM F分量的奇异熵构成特征向量；最后，将多测点数据融合后的奇异熵特征向量输入LSSVM进行训练与测试，从而判断道岔的工作状态和伤损类型。模拟道岔裂纹伤损实验平台的振动信号分析及实验结果表明，在信噪比高于20 dB时，该方法受噪声影响小，算法稳定性好，能有效地用于道岔裂纹伤损检测。

关键词：裂纹检测、高速道岔、振动信号、集合经验模态分解、奇异熵、最小二乘支持向量机

所属期刊栏目：36

分类号：TH17;TN911.7

资助基金：中国铁路总公司科技研究开发计划资助项目2014X008-A ，2013X012-A-1，2013X012-A-2；国家自然科学基金资助项目61371098；四川省应用基础研究资助项目2015JY0182

在线出版日期：2016-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：845-851