《表1 横向减振器全拆、抗蛇行减振器全拆和无故障状态三种状态下的正确识别结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于IMF重构-SLLE的高速列车转向架故障特征提取》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

高速列车转向架横向减振器全拆、抗蛇行减振器全拆和无故障状态三种状态下分别用t=1、t=0和t=-1代表。按照4.4对信号降到3维后，再利用LSSVM进行故障识别。分别采用45组（15组横向减振器全拆、15组抗蛇行减振器全拆和15组无故障状态）样本作为训练。训练完成后，用45组（15组横向减振器全拆、15组抗蛇行减振器全拆和15组无故障状态）样本作为测试，并引入4.4中IMF重构-SLLE和4.5中的能量特征和样本熵特征识别结果进行对比。通过比较得知，采用IMF重构-SLLE特征提取方法的识别率达到97.78%，如表1所示。而采用EEMD典型特征提取方法则效果明显低于IMF重构方法，这是由于横向减振器全拆和抗蛇行减振器全拆情况下，转向架中很多部件处于异常振动状态，此时转向架受到多个部件振动的耦合影响，导致故障信息耦合严重。此时，典型特征提取方法往往只考虑了信号的某单方面的信息，遗漏了信号本身的其他故障信息，从而导致识别效果明显低于IMF重构方法。