基于EEMD-SVD-LTSA的高速列车蛇行演变特征提取框架

来源：电子测量技术杂志2019年第5期北京时间：

作者：冉伟，宁静，陈杨，陈春俊

摘要：高速列车一旦出现蛇行失稳，列车的运行安全会受到严重威胁。在出现蛇行失稳前，高速列车会进入小幅蛇行发散状态，因此监测列车小幅蛇行演变趋势可以预测列车的运行状况，然而现有的文献鲜有对小幅蛇行演变特征进行研究，为此，提出一种基于EEMD-SVD-LTSA的高速列车特征提取框架，识别其演变趋势是小幅发散还是小幅收敛，进而预测列车运行状况。通过在线实验数据验证表明，提出的框架能成功提取高速列车小幅收敛、小幅发散的运行特征，且使用LSSVM的识别率达到100%，从而及时预测高速列车的运行状态，保障列车的运行安全。

关键词：蛇行运动;集合经验模态分解(EEMD);奇异值分解(SVD);局部切空间排列(LTSA);最小二乘法支持向量机(LSSVM)

基金资助：国家自然科学基金（51475387）、中央高校基本业务费专项基金（2682014CX033）、四川省科技创新苗子工程（2015102）项目资助