《表5 VMD-MSE特征提取方法的识别结果》

  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

《VMD多尺度熵用于高速列车横向减振器故障诊断》

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

表3～5为各方法最优特征子集准确率的混淆矩阵。由表3～5可知，在针对高速列车横向减振器故障信号的特征提取中，VMD-MSE方法比EMD-MSE方法具有更好的识别效果。EEMD和VMD对原车状态和多个横向减振器失效工况的识别率最高可达100%，对于多个横向减振器失效工况的故障检测具有很高的可行性，但对单个横向减振器失效的故障识别率较低。这是因为同一架构上的两个横向减振器安装位置比较接近，任何一个失效对于列车振动的影响差异不大，导致难以区分同一架构上的横向减振器失效的具体位置。如果将同一架构上的两个横向减振器归为一类，则故障识别率大大提高。这也间接说明多个横向减振器失效对车体的影响大于单个横向减振器失效对车体的影响。