论文摘要
针对S700K转辙机在运行过程中的故障诊断问题,提出一种基于集合经验模态分解(EEMD)的多尺度样本熵的信号分析及故障诊断方法。首先对S700K转辙机功率曲线进行EEMD分解,得到不同时间尺度的固有模态函数(IMF)分量,并提取每一个IMF分量的样本熵,由于样本熵能够有效区分不同信号的复杂度,故可获得转辙机不同状态下的特征参数。最后,利用这些不同运行状态下的特征参数构建特征模式矩阵,采用模糊聚类分析算法求解该矩阵的模糊等价矩阵。在模糊等价矩阵中,当λ(可变阈值)在[0, 1]范围内变动时,模糊等价矩阵转化为等价的布尔矩阵,由布尔矩阵可以得到动态聚类图并得到分类结果,从而实现故障诊断。研究结果表明:本文算法能准确提取故障特征且支持多种故障同时检测,有效提高了S700K转辙机故障诊断的精度与效率。
论文目录
文章来源
类型: 期刊论文
作者: 魏文军,刘新发
关键词: 多尺度样本熵,固有模态函数,模糊聚类,等价矩阵
来源: 中南大学学报(自然科学版) 2019年11期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 铁路运输
单位: 兰州交通大学自动化与电气工程学院,兰州交通大学光电技术与智能控制教育部重点实验室
基金: 国家重点研发计划(2017YFB1201003-020),国家自然科学基金资助项目(61661027)~~
分类号: U284.92
页码: 2763-2772
总页数: 10
文件大小: 1377K
下载量: 270