论文摘要
针对轨道交通列车辅助逆变器故障信号的非平稳、非线性特征,提出了一种基于改进的总体平均经验模态分解方法(ModifiedEEMD,MEEMD)和广义回归神经网络的列车辅助逆变器的故障诊断方法。应用MEEMD分解方法对采集的原始故障信号进行处理,将原始故障信号分解成多个平稳的本征模函数(intrinsic mode function,IMF),提取到含有故障信息的特征向量。建立GRNN网络模型,对辅助逆变器的三种故障类型进行识别。仿真结果表明,基于广义回归神经网络的诊断方法与BP神经网络相比有更好的故障诊断效果,可以准确识别列车辅助逆变器的故障类型,并且满足了对故障诊断的准确性要求。
论文目录
文章来源
类型: 期刊论文
作者: 盖宏宇,高军伟,种兴静
关键词: 广义回归神经网络,信号分解,故障诊断
来源: 制造业自动化 2019年11期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 铁路运输,自动化技术
单位: 青岛大学自动化学院
基金: 山东省重点研发计划(2017GGX10115)
分类号: TP183;U269.322
页码: 11-14
总页数: 4
文件大小: 2014K
下载量: 123
相关论文文献
标签：广义回归神经网络论文; 信号分解论文; 故障诊断论文;