-
公开(公告)号：CN113392900B
公开(公告)日：2022-03-25
申请号：CN202110651989.2
申请日：2021-06-11
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于模糊熵和核极限学习机的电力机车空转在线识别方法，包括多尺度模糊熵特征提取模块、最优核极限学习机模型模块和空转在线识别模块。与现有技术相比，本发明的积极效果是：本发明从信号特征提取和机器学习分类的角度对空转进行辨识，通过对测量准确的机车轮对速度信号特征提取出能显著表征空转状态/粘着状态的特征并由分类器进行分类来实现空转在线识别，相比于采用带有误差的输入的传统空转识别方法，在线识别的效果更加优秀，更加准确、快速；本发明方法针对电力机车复杂的运行工况和运行环境的适应性比传统方法更强，比传统空转识别方法具有更加优异的识别精度并有效解决了传统方法中的在线识别时阈值设定困难的问题。
-
公开(公告)号：CN113392900A
公开(公告)日：2021-09-14
申请号：CN202110651989.2
申请日：2021-06-11
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于模糊熵和核极限学习机的电力机车空转在线识别方法，包括多尺度模糊熵特征提取模块、最优核极限学习机模型模块和空转在线识别模块。与现有技术相比，本发明的积极效果是：本发明从信号特征提取和机器学习分类的角度对空转进行辨识，通过对测量准确的机车轮对速度信号特征提取出能显著表征空转状态/粘着状态的特征并由分类器进行分类来实现空转在线识别，相比于采用带有误差的输入的传统空转识别方法，在线识别的效果更加优秀，更加准确、快速；本发明方法针对电力机车复杂的运行工况和运行环境的适应性比传统方法更强，比传统空转识别方法具有更加优异的识别精度并有效解决了传统方法中的在线识别时阈值设定困难的问题。
-
公开(公告)号：CN111666892B
公开(公告)日：2023-04-25
申请号：CN202010513908.8
申请日：2020-06-08
Applicant: 西南交通大学
IPC: G06F18/241 , G06F18/213 , G06F17/14
Abstract: 本发明公开了一种基于经验小波希尔伯特变换的电力机车空转识别方法，通过空转趋势识别系统对机车轮对速度进行经验小波变换和希尔伯特变换得到希尔伯特能量谱，进而通过基于时频‑能量谱的空转趋势识别得到机车当前空转趋势值；同时通过牵引力矩指令得到当前工况信息值；最后结合当前空转趋势值、当前工况信息值以及由差分阈值法判定得到的差分空转判定值对机车空转状态进行综合判定，识别出机车空转状态。与现有技术相比，本发明的积极效果是：综合利用输入信号的时频信息，空转识别更加准确、快速；对电力机车复杂的运行工况和运行环境的适应性更强；对增益系数等阈值的取值要求并不严苛；能有效滤除噪声信号的干扰、提取包含空转的关键信号；有效避免了列车振动对识别算法的干扰，提高了空转识别精度。
-
公开(公告)号：CN111666892A
公开(公告)日：2020-09-15
申请号：CN202010513908.8
申请日：2020-06-08
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于经验小波希尔伯特变换的电力机车空转识别方法，通过空转趋势识别系统对机车轮对速度进行经验小波变换和希尔伯特变换得到希尔伯特能量谱，进而通过基于时频-能量谱的空转趋势识别得到机车当前空转趋势值；同时通过牵引力矩指令得到当前工况信息值；最后结合当前空转趋势值、当前工况信息值以及由差分阈值法判定得到的差分空转判定值对机车空转状态进行综合判定，识别出机车空转状态。与现有技术相比，本发明的积极效果是：综合利用输入信号的时频信息，空转识别更加准确、快速；对电力机车复杂的运行工况和运行环境的适应性更强；对增益系数等阈值的取值要求并不严苛；能有效滤除噪声信号的干扰、提取包含空转的关键信号；有效避免了列车振动对识别算法的干扰，提高了空转识别精度。
-
-
-
Search Results
4
records
(took 0.021 seconds)
