结合PSO-OEWOA和MKSVDD的轨道车辆轴承性能退化评估

摘要：

为了有效评估轨道车辆轴承性能退化程度,提出一种结合反向指数的鲸鱼粒子群混合算法(PSO-OEWOA)与多核支持向量数据描述(MKSVDD)相结合的滚动轴承性能退化评估方法.针对滚动轴承样本数据结构复杂,样本数据分布不均匀导致SVDD分类不够准确的问题,对SVDD模型的核函数进行改进,构造多核核函数提高支持向量数据描述的学习能力和泛化能力;然后针对MKSVDD中多参数选择盲目的问题,结合粒子群算法收敛速度快和鲸鱼算法探索能力强的优点,利用反向指数的鲸鱼算法迭代融合PSO算法对MKSVDD的参数进行寻优,从而避免优化算法早熟收敛和陷入局部最优.将轴承正常状态样本特征向量看作训练数据,同时将MKSVDD模型的准确率作为PSO-OEWOA的适应度函数,构建PSO-OEWOA-MKSVDD评估模型,利用正常数据训练的MKSVDD的超球体半径作为健康报警阈值确定轴承的退化.通过轴承全寿命数据对模型进行训练和测试.研究结果表明:MKSVDD模型在轴承初始性能退化时评估敏感性比SVDD模型更优,而且相较于SVDD模型,在中度性能退化时的稳定性也更优.最后对采集的牵引电机轴承的振动数据进行退化分析,结果与实际情况吻合,验证了模型的准确性和有效性,可用于轨道车辆轴承的退化评估.

关键词：轨道车辆轴承、粒子群算法、鲸鱼算法、性能退化评估、多核支持向量数据描述

所属期刊栏目：19

分类号：TH133.33

资助基金：国家自然科学基金;上海市地方院校能力建设项目

在线出版日期：2022-10-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2730-2738