基于多传感器数据融合的轨道车辆齿轮箱异常检测

论文摘要

针对轨道车辆齿轮箱监测测点多、数据量大、数据融合程度低等特点,提出一种基于相关函数融合算法与模糊C均值聚类结合的齿轮箱异常检测方法。相关函数融合算法用于将齿轮箱多个测点采集的振动信号融合为一个能全面反映齿轮箱运行状态的信号;对融合信号进行聚合经验模态分解,并计算奇异熵、能量熵;采用模糊C均值聚类算法对特征集进行簇划分,判断齿轮箱含有几类异常情况。通过实际线路运行数据的采集与分析,验证了本文方法的有效性。

论文目录

• 0 引言
• 1 异常检测方法
•   1.1 相关函数融合算法
•   1.2 EEMD熵特征提取
•   1.3 模糊C均值聚类
• 2 轨道车辆齿轮箱早期异常检测方法
• 3 实例验证
•   3.1 数据采集
•   3.2 数据融合
•   3.3 EEMD熵特征提取
•   3.4 模糊C均值聚类
• 4 结束语

文章来源

类型: 期刊论文

作者: 刘玉梅,乔宁国,庄娇娇,刘鹏程,胡婷,陈立军

关键词: 铁路运输,轨道车辆,齿轮箱异常检测,相关函数融合算法,模糊均值聚类

来源: 吉林大学学报(工学版) 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 铁路运输

单位: 吉林大学交通学院,吉林大学大数据和网络管理中心

基金: 国家自然科学基金项目(51575232),吉林省科技厅重点科技攻关项目(20160204018GX)

分类号: U279

DOI: 10.13229/j.cnki.jdxbgxb20180559

页码: 1465-1470

总页数: 6

文件大小: 1652K

下载量: 347