基于多重分形KPCA和LS-SVM列车车轮早期损伤的检测研究

作者：田英; 何成刚; 王文健; 刘启跃

来源：组合机床与自动化加工技术, 2020, (01): 120-127.

DOI：10.13462/j.cnki.mmtamt.2020.01.029

• 损伤车轮
• 共振稀疏分解
• 多重分形

针对车轮早期损伤难以检测的问题,利用JD-1轮轨模拟试验机进行了车轮早期损伤模拟振动试验,提出基于多重分形核主成分(KPCA)和最小二乘支持向量机(LS-SVM)的车轮早期损伤诊断方法。首先对信号进行共振稀疏分解预处理降噪,根据峭度和互相关系数最大原则,筛选子带分量重构信号,然后获得其多重分形参数,利用核主成分(KPCA)降维提取敏感特征向量矩阵,将该向量矩阵输入最小二乘支持向量机(LS-SVM)进行分类识别。研究结果表明,该方法可以有效地实现车轮早期损伤的识别,与未通过降噪信号的比较,其具有更高的诊断准确率,为深入研究损伤车轮振动特性提供理论依据。

• 单位
  牵引动力国家重点实验室; 西南交通大学