| 基于EEMD-KNN的机车牵引座状态识别方法 |
| |
| 引用本文： | 谢锋云,姜永奇,冯春雨,王二化,刘翊.基于EEMD-KNN的机车牵引座状态识别方法[J].机床与液压,2022,50(13):32-36. |
| |
| 作者姓名： | 谢锋云 姜永奇 冯春雨 王二化 刘翊 |
| |
| 作者单位： | 华东交通大学机电与车辆工程学院;常州信息职业技术学院常州市高端制造装备智能化技术重点实验室;国家先进轨道交通装备创新中心 |
| |
| 基金项目： | 国家自然科学基金地区科学基金项目（51565015）；江西省教育厅资助项目（GJJ180301） |
| |
| 摘 要： | 机车牵引座的安全可靠性对机车运行的安全性起到重要作用，因此对机车牵引座状态识别研究具有重要的经济价值和社会意义。为了开展牵引座的正常、小裂纹、大裂纹等3种状态识别研究，搭建机车牵引座的模拟实验台，用加速度传感器采集不同状态的振动信号，对原始数据进行时域特征提取，并进行集合经验模态分解(EEMD)提取时频域特征，采用K邻近算法（KNN）进行牵引座状态识别。实验结果表明：基于EEMD-KNN模式识别方法能对机车牵引座状态进行有效识别，识别率达到83.3%；而且添加时域特征之后的识别率更高一些，识别率达到90.5%。
|
| 关 键 词： | 牵引座 特征提取 集合经验模态分解 K邻近算法 状态识别 |
EEMD-KNN State Recognition Method for Locomotive Traction Seat |
| |
| XIE Fengyun,JIANG Yongqi,FENG Chunyu,WANG Erhu,LIU Yi.EEMD-KNN State Recognition Method for Locomotive Traction Seat[J].Machine Tool & Hydraulics,2022,50(13):32-36. |
| |
| Authors: | XIE Fengyun JIANG Yongqi FENG Chunyu WANG Erhu LIU Yi |
| |
| Abstract: | |
| |
| Keywords: | Traction seat Feature extraction Ensemble empirical mode decomposition K-nearest neighbor algorithm State recognition |
|
| 点击此处可从《机床与液压》浏览原始摘要信息 |
|
点击此处可从《机床与液压》下载全文 |
