基于改进时域多尺度散布熵与支持向量机的转辙机故障诊断 |
| |
引用本文: | 曹源,宋迪,胡小溪,孙永奎.基于改进时域多尺度散布熵与支持向量机的转辙机故障诊断[J].电子学报,2023(1):117-127. |
| |
作者姓名: | 曹源 宋迪 胡小溪 孙永奎 |
| |
作者单位: | 1. 北京交通大学轨道交通运行控制系统国家工程研究中心;2. 北京交通大学轨道交通控制与安全国家重点实验室 |
| |
摘 要: | 为充分挖掘转辙机振动信号的有效故障信息,提高故障诊断准确率,提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、改进时域多尺度散布熵(Improved Time-domain Multiscale Dispersion Entropy,TMDE)与粒子群优化算法(Particle Swarm Optimization algorithm,PSO)优化支持向量机(Support Vector Machine,SVM)的故障诊断方法 .首先,通过EEMD方法将不同故障类型的振动信号分解成若干个模态函数(Intrinsic Mode Functions,IMFs);其次,采用相关系数与峭度的混合筛选准则筛选IMFs并重构信号;再次,应用所提ITMDE算法提取重构信号的多尺度故障特征;最后将得到的特征向量输入经PSO搜索最优参数后的SVM进行训练和测试.实验分类准确率为100%,分析表明所提方法优于传统的多尺度排列熵、多尺度散布熵的故障诊断方法,能精确地识别转辙机故障类型.
|
关 键 词: | 故障诊断 转辙机 集合经验模态分解 改进时域多尺度散布熵 支持向量机 |
|
|