基于改进VMD和APSO-SVM的高速列车轴承故障诊断

• 作者: 张青松 张兵 秦怡
• 来源期刊: 机车电传动
• 学科: 交通运输
• 关键词: 高速列车 变分模态分解 参数优化 粒子群算法 轮对轴承 故障诊断
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 智能化技术专栏|Intelligent Technology Column
• 页码范围: 31-36
• 页数: 6页
• 分类号: U266.2
• 语种: 中文
• DOI: 10.13890/j.issn.1000-128X.2022.01.006

摘要

针对高速列车轮对轴承故障信息微弱难以提取的问题,提出一种结合变分模态分解(Variational mode decomposition,VMD)和粒子群算法参数优化支持向量机(Adaptive Particle Swarm Optimization-Support Vector Machine,APSO-SVM)的高速列车轴承振动信号故障特征提取和识别模型.为了避免k值选取不合理而导致VMD欠分解和过分解,文章从能量熵变化率趋势的角度出发,提出了 VMD分解层数k的选择原则,然后将VMD分解获得的故障特征输入支持向量机(SVM)中进行不同轴承故障的识别.试验结果表明,传统的SVM对滚动体故障和复合类型故障诊断效果较好,但对保持架故障的诊断效果相对较差.因此,利用自适应的粒子群优化算法(APSO)对SVM的核心参数进行优化,从而进一步改善对保持架故障的识别精度,实现了对多种常见高速列车轮对轴承故障的有效识别.