基于多尺度样本熵改进极限学习机的列车转向架轴承故障诊断

作者：靳震震; 贺德强; 苗剑; 徐伟倡

来源：控制与信息技术, 2021, (05): 66-70.

DOI：10.13889/j.issn.2096-5427.2021.05.011

• 多尺度样本熵
• 特征提取
• 故障诊断
• 改进极限学习机
• 转向架轴承

列车转向架轴承受到轨道激扰、运行速度不确定、轨道接缝的冲击振动和其他部件振动因素的影响,轴承振动信号呈现非线性和非平稳性,导致其故障特征难以被提取,故障诊断准确率低。针对上述问题,文章提出一种基于多尺度样本熵改进极限学习机的列车转向架轴承故障诊断方法。其首先利用多尺度样本熵提取故障特征,构成特征向量集;然后利用粒子群算法优化极限学习机,得到输入权值和隐含节点阈值;最后,将特征向量集划分为测试集和训练集,利用改进的极限学习机作为模式识别算法进行故障模式识别。实验结果表明,本文提出的方法能够有效地进行故障模式识别,识别准确率达到96%,适用于列车轴承故障诊断。

• 单位
  广西大学