基于改进VMD和APSO-SVM的高速列车轴承故障诊断

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.

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

分类号：U266.2(机车工程)

资助基金：国家重点研发计划;四川省科技计划资助项目

在线出版日期：2022-05-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：31-36