针对滚动轴承振动信号难以提取低维度敏感特征的问题,提出了一种基于逻辑回归优化变分模态分解(Variational Mode Decomposition,VMD)及均匀流形逼近和投影(Uniform Manifold Approximation and Projection,UMAP)的滚动轴承故障特征提取方法。首先,通过移动窗方法进行原始数据的样本划分,完成训练集以及测试集的构建;其次,随机抽取训练集部分数据进行不同分解模态数下的VMD,并对各层子信号进行特征提取,完成多个特征集的构建;然后,通过逻辑回归分别计算各特征集中各特征与标签的复相关系数,以确定变分模态分解的分解模态数和高度相关特征,并将此应用于训练集和测试集,得到高维特征数据集;最后,采用UMAP降维,获取具有高判别性的低维度特征,完成最终特征集构建。以3种常用智能算法的识别准确率及测试特征集中类内余弦距离和类间余弦距离的比值作为评价指标,结果...

为模拟横风环境下高速列车所受气动载荷，选择Karman修正风速谱为目标谱，采用线性滤波法（AR模型）模拟了随列车移动点的脉动风速时程。基于风速风压关系，分析了气动栽荷的计算方法，引入气动导纳函数，计算了高速列车横风作用下的非定常气动载荷，最后通过MATLAB编程实现非定常气动力的模拟。通过对列车运行速度70m／s、平均风速为25m／s工况下的脉动风速及非定常气动力的计算模拟，结果表明，风速时程能量主要集中在0—3Hz频域段，与列车系统固有的一些振动频率相近，存在引起列车系统共振、引发倾覆事件的可能。