【技术实现步骤摘要】
本专利技术涉及列车信号监测，具体涉及基于gwo-cfdp算法的速度传感器干扰源识别方法。
技术介绍
1、在动车组的运行过程中，tcu速度传感器经常受到干扰，多种类型干扰信号特征具有较高的相似性，区分不同来源的干扰成为一大挑战。这些干扰信号的特征难以固定，使得采用常规的特征提取方法和识别方法难以实现准确的识别。
技术实现思路
1、针对现有技术中的上述不足，本专利技术提供了基于gwo-cfdp算法的速度传感器干扰源识别方法，用于解决常规的特征提取与识别方法识别干扰特征准确率低的问题，从而提高干扰工况的分类识别的准确性与适用性。
2、为了达到上述专利技术目的，本专利技术采用的技术方案为：
3、基于gwo-cfdp算法的速度传感器干扰源识别方法，包括以下步骤：
4、s1、采集列车行驶时tcu速度传感器在干扰工况下的时域数据，并对时域数据进行包括数据分割、归一化处理、频谱分析、包络提取以及数据拼接的数据预处理，得到时域数据的初始特征向量；
5、s2、将时域数据的初始特征向量输入多层稀疏自编码网络进行稀疏编码，得到低维特征数据集，并采用核主成分分析法将低维特征数据集通过非线性映射到高维空间，并进行非线性主成分的提取与筛选，得到最终的降维特征数据集；
6、s3、根据最终的降维特征数据集，采用基于灰狼算法改进的自适应密度峰值聚类法进行聚类识别，得到识别的干扰源类型。
7、本专利技术具有以下有益效果：
8、本专利技术
本文档来自技高网...【技术保护点】
1.基于GWO-CFDP算法的速度传感器干扰源识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于GWO-CFDP算法的速度传感器干扰源识别方法，其特征在于，步骤S1具体包括：
3.根据权利要求2所述的基于GWO-CFDP算法的速度传感器干扰源识别方法，其特征在于，步骤S2具体包括：
4.根据权利要求3所述的基于GWO-CFDP算法的速度传感器干扰源识别方法，其特征在于，步骤S22具体包括：
5.根据权利要求4所述的基于GWO-CFDP算法的速度传感器干扰源识别方法，其特征在于，步骤S23具体包括：
6.根据权利要求5所述的基于GWO-CFDP算法的速度传感器干扰源识别方法，其特征在于，步骤S3具体包括：
7.根据权利要求6所述的基于GWO-CFDP算法的速度传感器干扰源识别方法，其特征在于，步骤S31具体包括：
【技术特征摘要】
1.基于gwo-cfdp算法的速度传感器干扰源识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于gwo-cfdp算法的速度传感器干扰源识别方法，其特征在于，步骤s1具体包括：
3.根据权利要求2所述的基于gwo-cfdp算法的速度传感器干扰源识别方法，其特征在于，步骤s2具体包括：
4.根据权利要求3所述的基于gwo-cfdp算法的速度传感器干扰源识...
【专利技术属性】
技术研发人员：宋刚，李斌，王文军，王丰，王琳，
申请(专利权)人：中车长春轨道客车股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。