论文部分内容阅读
针对列车混合故障的诊断，提出了一种基于集合平均经验分解（EEMD）和独立分量分析（ICA）的盲分离诊断方法。通过EEMD算法将混合信号分解为包含不同源信号特征的本征模态函数（IMF），组成新的多维信号；用主成分分析准确估计源信号个数，解决了单通道信号盲分离的欠定问题；利用快速独立分量分析（Fast-ICA）算法实现了信号的盲分离。实验信号分别采用仿真信号和列车实验信号进行实验，实验结果表明，该算法可以有效地分离出列车的单故障信号。