典型文献
基于优化多核极限学习机的车轮多边形磨耗识别
文献摘要：
多边形车轮是铁路机车车辆中普遍存在的一种磨损现象,?随着列车运营里程的增加,?车轮磨耗程度显著提升,?严重影响着列车乘坐舒适性和运营安全性,?借助于列车运营监测大数据开展多边形车轮动态检测方法研究具有重要意义.?本研究基于列车轴箱垂向加速度建立了多边形车轮定量识别模型,?首先通过阶次分析识别出轴箱加速度中包含的多边形车轮主要阶次,?同时获取各阶次对应的加速度幅值信息,?在此基础上引入加速度信号熵特征共同构建多边形车轮磨耗幅值识别特征矩阵,?然后建立遗传变异粒子群优化多核极限学习机(GMPSO-MELM)?识别模型,?通过特征矩阵与磨耗幅值的映射关系,?进一步实现了车轮多边形磨耗幅值识别.?通过仿真与现场实测数据研究结果表明,?所提出的识别模型能有效地从轴箱加速度中提取多边形车轮主要阶次,磨耗幅值的识别精度均优于对比模型且具有较高的检测效率,?可实现均方根误差为0.0010?(仿真结果)?与0.0134(试验结果)?的精确识别,?本文提出的多边形车轮磨耗识别模型可为列车车轮检测与智能维护提供理论基础.
文献关键词：
多边形车轮;轴箱加速度;遗传变异粒子群优化;多核极限学习机;动态检测
中图分类号：
作者姓名：
谢博;陈是扦;徐明坤;杨云帆;王开云
作者机构：
西南交通大学牵引动力国家重点实验室, 成都 610031;兰州交通大学机电工程学院, 兰州 730070
文献出处：
引用格式：
[1]谢博;陈是扦;徐明坤;杨云帆;王开云-.基于优化多核极限学习机的车轮多边形磨耗识别)[J].力学学报,2022(07):1797-1806
A类：
多边形车轮,遗传变异粒子群,遗传变异粒子群优化,GMPSO,MELM
B类：
多核极限学习机,车轮多边形磨耗,铁路机车车辆,列车,车运,运营里程,车轮磨耗,乘坐舒适性,运营安全性,借助于,运营监测,动态检测方法,车轴,轴箱垂向加速度,定量识别,识别模型,阶次分析,分析识别,轴箱加速度,加速度信号,熵特征,识别特征,特征矩阵,映射关系,现场实测,数据研究,识别精度,对比模型,检测效率,精确识别,智能维护
AB值：
0.199723
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。
