10.11857/j.issn.1674-5124.2016.12.022
EMD-ISOMAP高速列车小幅蛇行异常特征提取
小幅蛇行异常是剧烈蛇行失稳的征兆,它不仅影响乘坐舒适性,导致轮轨疲劳接触,而且随着轮轨磨损加剧、列车服役时间增长、运行速度提高,小幅蛇行会不断加剧,特别是在抗蛇行减震器失效的状况下,可能会引起列车脱轨,严重影响行车安全。但现有的高速列车转向架峰值监测法不能监测小幅蛇行异常。针对该问题,提出一种基于经验模态分解和流形学习的特征提取方法。首先,利用EMD分解得到多个固有模态函数(IMF),计算每个IMF的样本熵,作为初步提取特征;然后利用流形学习方法对初步提取的特征进一步提取;最后利用最小二乘法支持向量机对特征提取方法进行评估,并将该方法应用于高速列车320~350 km/h状态下小幅蛇行异常识别中,小幅蛇行异常的识别率达到100%。结果证明:EMD-ISOMAP方法能够有效识别小幅蛇行异常,识别效果优于基于小波变换特征提取方法;该方法降低特征数据复杂度的同时,还增强状态识别的分类性能。
高速列车、小幅蛇行、流形学习、等距映射、经验模态分解、特征提取、最小二乘法支持向量机
42
TS2;X82
国家自然科学基金项目51475387;四川省科技创新苗子工程项目2015102
2017-03-03(万方平台首次上网日期,不代表论文的发表时间)
共6页
105-110