文献类型：期刊文章

作　　者：孔令刚[3] 焦相萌[1,2] 陈光武[1,2] 范多旺[1,2]

KONG Linggang;JIAO Xiangmeng;CHEN Guangwu;FAN Duowang(Automatic Control Institute,Lanzhou Jiaotong University,Lanzhou 730070,China;Gansu Provincial Key Laboratory of Traffic Information Engineering and Control,Lanzhou 730070,China;National Engineering Research Center for Technology and Equipment of Environmental Deposition,Lanzhou Jiaotong University,Lanzhou 730070,China)

机构地区：[1]兰州交通大学自动控制研究所,甘肃兰州730070 [2]甘肃省高原交通信息工程及控制重点实验室,甘肃兰州7300703 [3]兰州交通大学国家绿色镀膜技术与装备工程技术研究中心,甘肃兰州730070

出　　处：《铁道科学与工程学报》

基　　金：国家科技支撑计划资助项目(2014BAF01B00);甘肃省科技计划资助项目(18JR3RA116);甘肃省高等学校科研资助项目(2018C-11,2018A-22);甘肃省自然科学基金资助项目(18JR3RA130,18JR3RA110)。

年　　份：2020

卷　　号：17

期　　号：5

起止页码：1070-1079

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为顺应道岔故障诊断向智能化和自动化的发展趋势,以S700K转辙机功率曲线为例,提出一种改进型灰狼优化算法(GWO)与支持向量机(SVM)相结合的故障诊断方法。在8种故障模式和正常模式所对应的功率曲线实施5层Mallat小波分解,得到各层近似系数和细节系数,并计算各层系数的平方和;利用主成分分析法对系数平方和组成的向量集进行降维,得到特征向量集;改进型灰狼优化算法优化支持向量机参数,并用优化好的支持向量机进行故障预测。研究结果表明:该方法能有效提高道岔故障诊断的准确率。

关 键 词：道岔故障诊断  支持向量机  S700K转辙机  灰狼优化算法  Mallat小波分解  

分 类 号：U284.92]