10.13465/j.cnki.jvs.2014.17.007
基于 EMD 和神经网络的轮轨故障噪声诊断识别方法研究
针对轮轨故障噪声信号非平稳性特征,提出一种基于经验模式分解(Empirical Mode Decomposition,EMD)与神经网络的轮轨故障诊断方法。该方法首先对轮轨噪声信号进行经验模式分解,信号分解为若干个基本模式分量(In-trinsic Mode Function,IMF)之和,再选取若干个包含主要故障信息的 IMF 分量,提取各分量的能量与峭度特征,对各分量的峭度特征综合得到多尺度峭度特征,然后将各分量能量特征与多尺度峭度特征作为神经网络的输入来识别轮轨故障的类型。对车轮扁疤、钢轨波浪磨耗和正常状态的分析结果表明,以 EMD 方法提取特征参数的神经网络诊断方法比以小波包方法提取特征参数的神经网络诊断方法具有更高的故障识别率。该方法能够对轮轨故障类型进行准确、有效地分类识别。
EMD、神经网络、能量、峭度、故障诊断、轮轨噪声
TH2(起重机械与运输机械)
国家自然科学基金60870011
2014-09-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
34-38