文献类型：期刊文章

作　　者：尹航[1,2] 梁玉琦[2] 王成龙[2]

YIN Hang;LIANG Yuqi;WANG Chenglong(Key Laboratory of Opto-technology and Intelligent Control of Ministry of Education,Lanzhou Jiaotong University,Lanzhou 730070,China;National Engineering Research Center for Technology and Equipment of Environmental Deposition,Lanzhou Jiaotong University,Lanzhou 730070,China)

机构地区：[1]兰州交通大学光电技术与智能控制教育部重点实验室,甘肃兰州730070 [2]兰州交通大学国家绿色镀膜技术与装备工程技术研究中心,甘肃兰州730070

出　　处：《铁道学报》

基　　金：国家973计划前期研究专项(2012CB626805);甘肃省国际科技合作项目(17YF1WA158)。

年　　份：2021

卷　　号：43

期　　号：11

起止页码：88-96

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：转辙机的健康状态评估是实现状态修的重要技术之一。提出基于时域、时频域特征与循环神经网络的状态评估方法。首先利用集合经验模态分解将原始信号分解,得到不同时间尺度的固有模态分量,并提取每个分量的模糊熵与6个时域特征组合作为原始特征集;然后利用局部加权回归对特征曲线进行平滑以捕获退化趋势,并利用特征的固有属性进行特征选择;最后将最优特征子集作为门控循环单元神经网络的输入,建立时间序列特征与转辙机健康指数的非线性关系。实验结果表明,该方法可以利用转辙机原始功率数据准确提取并选择混合特征,有效识别早期故障,评估转辙机的健康状态。

关 键 词：转辙机 状态评估  集合经验模态分解  特征选择  门控循环单元  健康指数  

分 类 号：U284.72]