基于小波包分解多尺度排列熵及2阶特征选择的转辙机故障诊断方法 |
| |
作者姓名: | 孙永奎 曹源 李鹏 李旭 |
| |
作者单位: | 1. 北京交通大学电子信息工程学院;2. 北京交通大学轨道交通运行控制系统国家工程研究中心;3. 中国铁道学会 |
| |
基金项目: | 国家重点研发计划项目(2021YFF0501102);;国家自然科学基金资助项目(U1934219,52202392,52022010,52102472);;中央高校基本科研业务费专项资金资助项目(2021RC276); |
| |
摘 要: | 针对转辙机高精度故障诊断的需求,结合声音信号非接触、易采集等优势,提出一种基于声音信号的非接触式故障诊断方法。首先,基于小波包分解与多尺度排列熵,实现对声音样本的特征提取;其次,提出基于ReliefF和二进制粒子群优化算法的2阶特征选择方法,得到最佳特征集合,实现对声音样本的特征选择;最后,基于支持向量机算法对最佳特征集进行训练和测试,完成对转辙机的故障诊断。依托10种常见工况下共计800组声音样本开展实验,结果表明:该方法在反位—定位和定位—反位转换过程中得到的特征点数分别为13和39个,故障诊断准确率分别为99.67%和100%;相比于单一特征选择方法,采用的2阶特征选择方法能够大大降低特征维度,提高故障诊断准确率;相比于k近邻和线性判别分析这2种分类器,支持向量机分类器在转辙机故障诊断中更具优势。
|
关 键 词: | 转辙机 故障诊断 小波包分解 多尺度排列熵 2阶特征选择 支持向量机 |
|