基于改进SSA-VMD的列车门丝杠机构故障诊断技术研究

作者：王若凡; 杨柳^*; 李永凯; 李思文; 朱松青

来源：河南科技, 2023, 42(22): 18-23.

DOI：10.19968/j.cnki.hnkj.1003-5168.2023.22.004

• 站台门系统丝杠机构
• 故障诊断
• 变分模态分解
• 麻雀搜索算法

【目的】为解决地铁运行时因列车门噪声过大而导致故障诊断难的问题，以列车门为研究对象，提出一种基于改进麻雀搜索（SSA）算法的变分模态分解（VMD）振动信号降噪法，并通过支持向量机来对故障进行诊断。【方法】首先，利用Hénon混沌映射来初始化种群，将非线性权重因子引入群体行为阶段，并通过Levy飞行策略及柯西变异对位置进行更新。其次，通过改进的麻雀搜索算法对变分模态分解算法中的惩罚因子α和模态分解数K进行全局寻优，确定参数分解并重构，得到降噪信号。最后，使用主成分分析法（PCA）来提取特征，并利用支持向量机（SVM）来诊断故障。【结果】试验结果表明，该方法对振动信号的降噪效果明显，故障诊断准确率达91%，验证了该方法的有效性。【结论】该方法能有效克服传统VMD去噪参数难以选取的问题，对列车门故障诊断研究具有一定的参考价值。

• 单位
  南京工程学院