典型文献
基于排列熵和支持向量机的轨枕病害诊断
文献摘要：
文中提出了一种基于排列熵和支持向量机的轨枕病害诊断方法.该方法通过建立车辆-轨道耦合振动模型获取轨枕的振动加速度,利用排列熵算法提取轨枕不同病害下的振动响应特征指标,并以归一化后的排列熵特征指标集为输入.该方法基于遗传算法优化的支持向量机对轨枕服役状态进行诊断和分类,实现了对轨枕不同病害的诊断.数据仿真结果表明,该方法对轨枕病害识别准确率均能达到90％以上,对于部分轨道不平顺谱激励和列车速度下的服役状态,识别准确率能达到97.5％.该结果表明,文中所提方法能够有效地对轨枕病害进行诊断,为轨道结构服役状态的在线监测与智能预警提供了方法依据.
文献关键词：
振动响应;轨枕病害;特征提取;排列熵;归一化;遗传算法;支持向量机;病害诊断
中图分类号：
作者姓名：
邵志慧;杨俭;袁天辰;伍伟嘉
作者机构：
上海工程技术大学城市轨道交通学院,上海201620
文献出处：
引用格式：
[1]邵志慧;杨俭;袁天辰;伍伟嘉-.基于排列熵和支持向量机的轨枕病害诊断)[J].电子科技,2022(02):52-58
A类：
轨枕病害
B类：
排列熵,病害诊断,立车,耦合振动,振动模型,振动加速度,振动响应,响应特征,特征指标,熵特征,指标集,集为,遗传算法优化,服役状态,数据仿真,病害识别,识别准确率,轨道不平顺谱,列车速度,轨道结构,在线监测,智能预警
AB值：
0.247133
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。
