基于EEMD-KNN的机车牵引座状态识别方法

来源：机床与液压杂志2022年第13期北京时间：

作者：谢锋云，姜永奇，冯春雨，王二化，刘翊

单位：华东交通大学机电与车辆工程学院；华东交通大学机电与车辆工程学院；华东交通大学机电与车辆工程学院；常州信息职业技术学院常州市高端制造装备智能化技术重点实验室；国家先进轨道交通装备创新中心

摘要：机车牵引座的安全可靠性对机车运行的安全性起到重要作用，因此对机车牵引座状态识别研究具有重要的经济价值和社会意义。为了开展牵引座的正常、小裂纹、大裂纹等3种状态识别研究，搭建机车牵引座的模拟实验台，用加速度传感器采集不同状态的振动信号，对原始数据进行时域特征提取，并进行集合经验模态分解(EEMD)提取时频域特征，采用K邻近算法（KNN）进行牵引座状态识别。实验结果表明：基于EEMD-KNN模式识别方法能对机车牵引座状态进行有效识别，识别率达到83.3%；而且添加时域特征之后的识别率更高一些，识别率达到90.5%。

关键词：牵引座;特征提取;集合经验模态分解;K邻近算法;状态识别

基金资助：国家自然科学基金地区科学基金项目（51565015）；江西省教育厅资助项目（GJJ180301）