基于SQPSO优化DELM的踏面磨耗测量模型

作者：王美琪; 贾思贤; 陈恩利^*; 杨绍普; 刘鹏飞; 戚壮

来源：摩擦学学报, 2021, 41(01): 65-75.

DOI：10.16078/j.tribology.2020027

• 极限学习机
• 量子粒子群优化算法
• 车轮踏面磨耗
• 模型辨识
• 车辆动力学

针对难以建立轮轨磨耗的单一模型和无法对各种工况下车轮踏面磨耗进行定量计算的问题,提出一种基于SQPSO优化DELM的踏面磨耗测量方法(SQPSO-DELM).首先将衍生特性引入到极限学习机中,提出一种衍生极限学习机模型(DELM).然后引入序列二次规划(SQP)方法和量子粒子群优化(QPSO)算法,对DELM的参数进行优化.通过SQPSO-DELM预测模型,对车辆动力学模型模拟不同试验参数下的车轮踏面最大磨耗量以及对现场列车踏面磨耗程度的实际测量值进行训练和预测.结果表明:SQPSO-DELM预测模型的性能参数指标均优于LSSVM、ELM、PSO-ELM和QPSO-ELM,能较好地反映不同参数对车轮踏面磨耗值的影响规律.

• 单位
  石家庄铁道大学