基于EEMD能量熵和LSSVM的传感器故障诊断  

Sensor fault diagnosis based on EEMD energy entropy and LSSVM

作　　者：丁国君[1] 王立德[1] 申萍[1] 杨鹏[1] 

机构地区：[1]北京交通大学电气工程学院,北京100044

出　　处：《传感器与微系统》2013年第7期22-25,共4页Transducer and Microsystem Technologies

基　　金：国家自然科学基金资助项目(61174179)

摘　　要：传感器作为动车组制动系统的关键部件,其能否正常工作直接影响动车组的安全稳定运行。集成经验模态分解克服了经验模态分解的模态混叠现象,分解出的各个内禀模态函数突出了故障的局部特征,并求解其能量熵组成故障特征向量,然后把故障特征向量输入到最小二乘支持向量机(LSSVM)进行故障识别和分类。同时采用粒子群优化算法对LSSVM的结构参数进行择优。测试结果表明:该故障诊断模型对动车组AS压力传感器故障具有较高的正确分类率。As key components of electric multiple units （EMUs） brake system, sensor has significant impact on security and reliability of EMUs operation. Ensemble empirical mode decomposition （EEMD） overcomes the shortcoming of mode mixing of EMD, and the decomposed intrinsic mode functions （IMFs） prominent the local features of fault, and solve energy entropy, to form fault feature vector, then input to least squares support vector machine（LSSVM） for fault identification and classification, at the same time, particle swarm optimization（PSO） algorithm is applied for optimizing the structure parameters of LSSVM. The test result indicates that the fault diagnosis model has high correct classification rate for AS pressure sensor fault of EMUs.

关 键 词：传感器 集成经验模态分解 最小二乘支持向量机 粒子群优化算法 故障诊断 

分 类 号：TP206[自动化与计算机技术—检测技术与自动化装置]