典型文献
基于机器学习方法的轨道车辆悬挂元件状态监测研究
文献摘要：
状态修利用数据采集、数据处理和决策分析,并根据部件的实际状态安排维修计划.采用状态修技术可以提高铁路系统的可靠性.本文针对不同运行工况下一系悬挂和二系悬挂系统减振器性能已经衰减的轨道车辆进行了仿真分析,生成了一个大型仿真数据库,并用于训练和测试分类算法,以检测面临的减振器故障.把车体、转向架构架和轮对的加速度计信号之间的频率响应函数作为故障指标和预测根据,并提供给分类算法.研究结果表明,1-紧邻分类器和线性支持向量机分类器对减振器性能衰减的预判均具有较高的分类能力.
文献关键词：
状态监测;分类算法;机器学习;减振器故障;悬挂元件
中图分类号：
作者姓名：
Henrik Karlsson;Alireza Qazizadeh;Sebastian Stichel;Mats Berg;刘晓艳
作者机构：
文献出处：
引用格式：
[1]Henrik Karlsson;Alireza Qazizadeh;Sebastian Stichel;Mats Berg;刘晓艳-.基于机器学习方法的轨道车辆悬挂元件状态监测研究)[J].智慧轨道交通,2022(02):72-76
A类：
悬挂元件
B类：
基于机器学习,机器学习方法,轨道车辆,车辆悬挂,状态监测,状态修,决策分析,维修计划,提高铁路,铁路系统,运行工况,一系悬挂,二系悬挂系统,仿真数据,分类算法,减振器故障,车体,转向架构架,轮对,加速度计,频率响应函数,紧邻,线性支持向量机,支持向量机分类器,性能衰减
AB值：
0.345383
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。
