文档名：基于参数优化VMD和改进LSSVM的道岔故障诊断方法
摘要：为了解决道岔设备智能故障诊断中特征指标难以提取以及模型训练时间较长的问题,以ZDJ9型转辙机带动的道岔设备为研究对象,以转辙机功率曲线为数据基础,提出一种基于参数优化变分模态分解(VariationalModeDecomposition,VMD)和改进最小二乘支持向量机(LeastSquaresSupportVectorMachines,LSSVM)的道岔故障诊断方法.首先,采用鲸鱼优化算法(WhaleOptimizationAlgorithm,WOA)优化VMD参数,得到模态(IntrinsicModeFunctions,IMF)分量个数和惩罚因子的最优参数组合.其次,计算IMF分量与功率曲线的相关系数,优选相关性较大的前3阶IMF分量,并计算功率谱熵、模糊熵及包络熵值,建立多特征融合样本数据库.最后,针对麻雀搜索算法(SparrowSearchAlgorithm,SSA)易陷入局部最优的问题,通过改进Tent混沌映射初始化策略随机生成种群,正余弦算法(SineCosineAlgorithm,SCA)更新追随者的位置,并采用改进SSA优化LSSVM算法的惩罚因子和核函数方差,构建基于TSSSA-LSSVM的道岔故障诊断模型.实验结果表明:所提道岔故障诊断方法是可行的,采用多特征融合能够更加全面地提取道岔典型故障特征,反映道岔的真实运行状态,提高了故障诊断准确率,而且较TSSSA-SVM,PSO-LSSVM,GWO-LSSVM以及SSA-LSSVM等方法具有较高的故障诊断准确率、召回率以及较低的漏报率,减少了模型训练时间,完全满足现场道岔故障导向安全的原则,具有更好的故障诊断性能,对现场道岔设备的故障维修具有一定的指导意义.
Abstract：Inordertosolvetheproblemthatthefeatureindexwasdifficulttoextractandthemodeltrainingtimewaslong,theintelligentfaultdiagnosisofturnoutequipmentdrivenbyZDJ9switchmachinewastakenastheresearchobject.Thepowercurveofswitchmachinewastakenasthedatabasis,aturnoutfaultdiagnosismethodbasedonparameteroptimizationVariationalModeDecomposition(VMD)andimprovedLeastSquaresSupportVectorMachines(LSSVM)wasproposed.Firstly,theWhaleOptimizationAlgorithm(WOA)wasusedtooptimizetheVMDparameters,andtheoptimalparametercombinationofthenumberofIntrinsicModeFunctions(IMF)componentsandthepenaltyfactorwasobtained.Secondly,thecorrelationcoefficientbetweentheIMFcomponentandthepowercurvewascalculated.ThefirstthreeIMFcomponentswithlargecorrelationwereselected.Thepowerspectralentropy,fuzzyentropyandenvelopeentropywerecalculated.Thesampledatabaseofmulti-featurefusionwasconstructed.Finally,aimingattheproblemthatSparrowSearchAlgorithm(SSA)waseasytofallintolocaloptimum,thepopulationwasrandomlygeneratedbytheimprovedtentchaoticmapinitializationstrategy,andthefollowerpositionwasupdatedbythepositivechordalgorithm.TheimprovedSSAalgorithmwasusedtooptimizethepenaltyfactorandkernelfunctionvarianceoftheLSSVMalgorithm,andtheTSSSA-LSSVMfaultdiagnosismodelofhighspeedrailwayturnoutwasconstructed.Theexperimentalresultsshowthattheturnoutfaultdiagnosismethodproposedinthispaperisfeasible.Themulti-featurefusioncanextractthetypicalfaultfeaturesoftheturnoutmorecomprehensively,reflecttherealoperatingstateoftheturnout,andimprovetheaccuracyoffaultdiagnosis.ComparedwithTSSSA-SVM,PSO-LSSVM,GWO-LSSVMandSSA-LSSVM,ithashigherfaultdiagnosisaccuracy,recallrateandlowerfalsenegativerate,reducesthemodeltrainingtime,fullymeetstheprincipleofon-siteturnoutfault-orientedsafety.Ithasbetterfaultdiagnosisperformance,whichhascertainguidingsignificanceforthefaultmaintenanceofon-siteturnoutequipment.
作者：王彦快 孟佳东 张玉 杨建刚 Author：WANGYankuai MENGJiadong ZHANGYu YANGJiangang
作者单位：兰州交通大学铁道技术学院,甘肃兰州730070兰州交通大学机电工程学院,甘肃兰州730070国网甘肃省电力公司电力科学研究院,甘肃兰州730070北京全路通信信号研究设计院集团有限公司,北京100070
刊名：铁道科学与工程学报 ISTICPKU
Journal：JournalofRailwayScienceandEngineering
年，卷(期)：2024, 21(5)
分类号：U284.92
关键词：道岔 故障诊断 改进LSSVM 参数优化VMD 多特征融合
Keywords：turnout faultdiagnosis improvedLSSVM parameteroptimizationVMD multi-featurefusion
机标分类号：TP391.41U213.6+1O157.5
在线出版日期：2024年7月8日
基金项目：中央引导地方科技发展资金项目，甘肃省科学计划项目，兰州交通大学青年科学研究基金基于参数优化VMD和改进LSSVM的道岔故障诊断方法[
期刊论文] 铁道科学与工程学报--2024, 21(5)王彦快 孟佳东 张玉 杨建刚为了解决道岔设备智能故障诊断中特征指标难以提取以及模型训练时间较长的问题,以ZDJ9型转辙机带动的道岔设备为研究对象,以转辙机功率曲线为数据基础,提出一种基于参数优化变分模态分解(VariationalModeDecompositio...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于参数优化VMD和改进LSSVM的道岔故障诊断方法 Turnout fault diagnosis method based on parameter optimization VMD and improved LSSVM
基于参数优化VMD和改进LSSVM的道岔故障诊断方法.pdf
- 文件大小:
- 7.44 MB
- 下载次数:
- 60
-
高速下载
|
|
