基于小波包分解多尺度排列熵及2阶特征选择的转辙机故障诊断方法

摘要：

针对转辙机高精度故障诊断的需求,结合声音信号非接触、易采集等优势,提出一种基于声音信号的非接触式故障诊断方法.首先,基于小波包分解与多尺度排列熵,实现对声音样本的特征提取;其次,提出基于ReliefF和二进制粒子群优化算法的2阶特征选择方法,得到最佳特征集合,实现对声音样本的特征选择;最后,基于支持向量机算法对最佳特征集进行训练和测试,完成对转辙机的故障诊断.依托10种常见工况下共计800组声音样本开展实验,结果表明:该方法在反位—定位和定位—反位转换过程中得到的特征点数分别为13和39个,故障诊断准确率分别为99.67％和100％;相比于单一特征选择方法,采用的2阶特征选择方法能够大大降低特征维度,提高故障诊断准确率;相比于k近邻和线性判别分析这2种分类器,支持向量机分类器在转辙机故障诊断中更具优势.

关键词：转辙机、故障诊断、小波包分解、多尺度排列熵、2阶特征选择、支持向量机

所属期刊栏目：44

分类号：U284.92(铁路通信、信号)

资助基金：国家重点研发计划;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;中央高校基本科研业务费专项资金资助项目

在线出版日期：2023-06-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：178-188