您的位置: 专家智库 > >

赵蓉

作品数:2 被引量:26H指数:2
供职机构:北京交通大学机械与电子控制工程学院更多>>
发文基金:国家自然科学基金更多>>
相关领域:交通运输工程机械工程更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇机械工程
  • 2篇交通运输工程

主题

  • 2篇钢轨
  • 2篇高阶
  • 2篇高阶谱
  • 2篇车轮
  • 1篇列车
  • 1篇矩阵
  • 1篇灰度
  • 1篇灰度-梯度共...
  • 1篇共生矩阵
  • 1篇高速列车
  • 1篇PSO-SV...
  • 1篇车轮扁疤
  • 1篇车轮擦伤

机构

  • 2篇北京交通大学

作者

  • 2篇史红梅
  • 2篇赵蓉
  • 1篇朱力强
  • 1篇余祖俊

传媒

  • 1篇机械工程学报
  • 1篇振动与冲击

年份

  • 1篇2017
  • 1篇2016
2 条 记 录,以下是 1-2
排序方式:
基于高阶谱特征提取的高速列车车轮擦伤识别算法研究被引量:13
2017年
随着列车运行速度和轴重增加,车轮踏面擦伤现象不断加剧。提出一种对列车经过时钢轨振动信号进行高阶谱特征提取并结合粒子群-支持向量机(PSO-SVM)进行车轮擦伤识别的算法。通过建立车辆轨道垂向耦合模型和车轮擦伤模型,计算正常车轮与擦伤车轮作用下的钢轨振动响应。利用高阶谱方法对两种情况下钢轨振动信号进行信号处理得到二维等高线图和三维双谱图,通过灰度-梯度共生矩阵提取其二维等高线图的6个纹理特征,与车速共同输入PSO-SVM模型识别车轮是否擦伤;再结合三维双谱图对角切片峰值、二维等高线图内扩对角频率,对擦伤等级进行识别。结果表明:利用高阶谱进行特征提取的方法识别正常与擦伤车轮准确率可以达到100%,擦伤等级的准确率可以达到94.6%。最后将该方法与EMD方法进行特征提取做比较分析,EMD方法识别正常与擦伤车轮准确率为98.3%,而擦伤级别准确率仅为56.4%。研究结果表明,基于高阶谱的PSO-SVM方法更能有效识别擦伤车轮并确定其擦伤等级。
赵蓉史红梅
关键词:车轮擦伤高阶谱灰度-梯度共生矩阵PSO-SVM
基于钢轨振动响应分析的车轮扁疤检测方法研究被引量:15
2016年
车轮扁疤会影响列车运行舒适性并加速车辆、轨道基础设施部件故障。提出一种基于钢轨振动响应的车轮扁疤动态检测和识别方法。通过建立车辆轨道垂向耦合模型和车轮扁疤模型,计算车轮扁疤作用下的钢轨动态响应。比较了不同轨道不平顺、不同列车运行速度以及不同扁疤深度条件下,对钢轨振动响应进行Hilbert-Huang变换(HHT)和高阶谱分析两种方法的车轮扁疤识别能力。利用HHT中的Hilbert谱可以定性区分正常车轮与有扁疤车轮,但该方法会受到轨道不平顺大小的影响。而利用高阶谱分析方法能够定量判断扁疤深度,且识别能力不受轨道不平顺大小及运行速度影响。研究结果表明,利用钢轨振动响应结合高阶谱分析可以有效检测和识别车轮扁疤。
史红梅赵蓉余祖俊朱力强
关键词:车轮扁疤高阶谱
共1页<1>
聚类工具0