基于Mallat小波分解与改进GWO-SVM的道岔故障诊断

• 作者: 孔令刚 焦相萌 范多旺 陈光武
• 来源期刊: 铁道科学与工程学报
• 学科: 交通运输
• 关键词: 道岔故障诊断 支持向量机 S700K转辙机 灰狼优化算法 Mallat小波分解
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 高速铁路技术与智慧交通
• 页码范围: 1070-1079
• 页数: 10页
• 分类号: U284.92
• 字数: 4957字
• 语种: 中文
• DOI: 10.19713/j.cnki.43-1423/u.T20190760

摘要

为顺应道岔故障诊断向智能化和自动化的发展趋势,以S700K转辙机功率曲线为例,提出一种改进型灰狼优化算法(GWO)与支持向量机(SVM)相结合的故障诊断方法.在8种故障模式和正常模式所对应的功率曲线实施5层Mallat小波分解,得到各层近似系数和细节系数,并计算各层系数的平方和;利用主成分分析法对系数平方和组成的向量集进行降维,得到特征向量集;改进型灰狼优化算法优化支持向量机参数,并用优化好的支持向量机进行故障预测.研究结果表明:该方法能有效提高道岔故障诊断的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范多旺	兰州交通大学自动控制研究所	112	683	14.0	20.0
3	陈光武	兰州交通大学自动控制研究所	70	354	10.0	16.0
5	孔令刚	兰州交通大学国家绿色镀膜技术与装备工程技术研究中心	17	48	3.0	6.0
8	焦相萌	兰州交通大学自动控制研究所	2	0	0.0	0.0