高速列车横向蛇行失稳的EEMD-CNN-LSTM预测方法

作者：方明宽; 宁静^*; 陈春俊

来源：中国测试, 2021, 47(07): 79-83.

• 高速列车
• 小幅蛇行
• 蛇行失稳
• EEMD
• 固有模态
• LSTM

高速列车运行时出现横向蛇行失稳严重威胁到列车运行安全。目前大多数方法主要为蛇行失稳的在线识别,而忽略从正常到蛇行失稳过程中的小幅蛇行阶段。为此,提出一种EEMD-CNN-LSTM方法来预测小幅的演变趋势,进而分析是否会发生蛇行失稳。并且基于相关系数与能量特征提出一种新的指标来挑选EEMD的最优模态。该方法首先通过集合经验模态分解(ensemble empirical mode decomposition, EEMD)对原始信号分解得到n阶固有模态(intrinsic mode functions, IMF),然后挑选m阶最优的固有模态分量,最后将最优模态分量输入到构建的CNN-LSTM神经网络模型,并输出结果。根据在线实测数据实验结果:提出的方法能够准确预测小幅蛇行的变化趋势,预测准确率达到100%,且计算速度优于EEMD-LTSA方法,证明该方法的有效性。

• 单位
  西南交通大学