论文部分内容阅读
针对高速列车横向减振器故障信号非线性非平稳的特点，提出了基于白噪声统计特性与聚合经验模态分解（EEMD)相结合的故障诊断算法。利用经验模态分解（EMD)对故障信号进行去噪，然后对去噪后的信号进行EEMD分解，最后对用相关系数求得的最能反映振动信号的本征模态函数（IMF)计算排列组合熵。在240km/h速度下，对高速列车横向减振器七种工况进行诊断，识别率达到91.8%。实验结果表明，与基于小波熵特征分析的算法相比，该算法具有更高的识别率和更强的抗噪性能。