典型文献
基于EEMD-KNN的机车牵引座状态识别方法
文献摘要：
机车牵引座的安全可靠性对机车运行的安全性起到重要作用,因此对机车牵引座状态识别研究具有重要的经济价值和社会意义.为了开展牵引座的正常、小裂纹、大裂纹等3种状态识别研究,搭建机车牵引座的模拟实验台,用加速度传感器采集不同状态的振动信号,对原始数据进行时域特征提取,并进行集合经验模态分解(EEMD)提取时频域特征,采用K邻近算法(KNN)进行牵引座状态识别.实验结果表明:基于EEMD-KNN模式识别方法能对机车牵引座状态进行有效识别,识别率达到83.3％;而且添加时域特征之后的识别率更高一些,识别率达到90.5％.
文献关键词：
牵引座;特征提取;集合经验模态分解;K邻近算法;状态识别
中图分类号：
作者姓名：
谢锋云;姜永奇;冯春雨;王二化;刘翊
作者机构：
华东交通大学机电与车辆工程学院,江西南昌330013;常州信息职业技术学院常州市高端制造装备智能化技术重点实验室,江苏常州213164;国家先进轨道交通装备创新中心,湖南株洲412000
文献出处：
引用格式：
[1]谢锋云;姜永奇;冯春雨;王二化;刘翊-.基于EEMD-KNN的机车牵引座状态识别方法)[J].机床与液压,2022(13):32-36
A类：
B类：
EEMD,KNN,机车,牵引座,状态识别,安全可靠性,车运,社会意义,模拟实验,实验台,加速度传感器,振动信号,原始数据,时域特征提取,集合经验模态分解,时频域特征,模式识别,识别率,加时,高一
AB值：
0.242521
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。
