10.16450/j.cnki.issn.1004-6801.2016.05.005
基于 EEMD 奇异熵的高速道岔裂纹伤损检测
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。
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
36
TH17;TN911.7
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
2016-11-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
845-851