典型文献
基于VMD和BP神经网络的轨道病害诊断方法
文献摘要：
针对从非线性、非稳态的轨枕振动信号中提取病害特征困难的问题,文中提出一种基于变分模态分解和多尺度排列熵的轨道病害特征提取方法,并采用BP神经网络病害诊断模型进行病害识别.利用变分模态分解方法将采集到的振动加速度信号进行分解,得到若干个本征模态分量.计算这些本征模态分量的多尺度排列熵值,将其作为轨道病害的高维特征向量,以实现对轨枕振动信号的降噪和病害特征的提取.通过建立BP神经网络病害诊断模型,将高维特征向量输入到BP网络中进行训练、拟合、验证,并与经验模态分解和BP神经网络结合的方法对比.分析结果表明,文中所提方法识别准确率更高,能够有效地进行病害诊断.
文献关键词：
变分模态分解;多尺度排列熵;BP神经网络;本征模态分量;降噪;高维特征向量;经验模态分解;病害诊断
中图分类号：
作者姓名：
华莉;杨俭;袁天辰;宋瑞刚
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]华莉;杨俭;袁天辰;宋瑞刚-.基于VMD和BP神经网络的轨道病害诊断方法)[J].电子科技,2022(04):40-46
A类：
B类：
VMD,轨道病害,病害诊断,非稳态,轨枕,振动信号,病害特征,变分模态分解,多尺度排列熵,络病,诊断模型,病害识别,分解方法,振动加速度,加速度信号,若干个,本征模态分量,高维特征向量,降噪,特征的提取,经验模态分解,方法对比,方法识别,识别准确率
AB值：
0.216307
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。
