典型文献
高速列车监测数据处理及故障诊断
文献摘要：
车体性能好坏直接影响列车的行车安全,文章利用安装在车体上的传感器所采集到的振动信号,选取合适的信号特征提取方法进行评估,达到列车故障早期预警的目的.试验数据表明,车体的振动信号具有非线性、非平稳的特点,先对振动信号提取小波包能量矩特征进行时频域分析,发现该特征提取方法可以直观地反映车辆横向和垂向振动情况.引入基于局部分析的拉普拉斯特征映射算法(LE),对故障工况的小波包能量矩熵特征所构造的高维特征向量空间进行降维,发现能够从垂向加速度信号识别出空气弹簧失气工况,从横向加速度信号识别出抗蛇行减振器故障和横向减振器故障.这与车辆动力学分析结果一致,同时也证实了流形学习方法对列车性能评估具有一定的作用.
文献关键词：
小波包能量矩熵;流形学习;监测数据;故障诊断;时频域分析
中图分类号：
作者姓名：
苏宇婷;姚琦;王昌冬;赵永玲
作者机构：
大连机车车辆有限公司 柴油机技术部,辽宁省 大连市 116022
文献出处：
引用格式：
[1]苏宇婷;姚琦;王昌冬;赵永玲-.高速列车监测数据处理及故障诊断)[J].铁道车辆,2022(01):16-22
A类：
小波包能量矩熵
B类：
高速列车,监测数据处理,车体,好坏,行车安全,信号特征提取,列车故障,早期预警,非平稳,振动信号提取,矩特征,时频域分析,垂向振动,局部分析,拉普拉斯特征映射,LE,熵特征,高维特征向量,特征向量空间,垂向加速度,加速度信号,信号识别,空气弹簧,横向加速度,抗蛇行减振器,减振器故障,横向减振器,车辆动力学,动力学分析,流形学习,性能评估
AB值：
0.300654
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
