APP下载

轨道车辆一系垂向减振器劣化辨识方法研究

2021-05-12姜良奎卢昌宏方柳川

机械 2021年3期
关键词:特征模型

姜良奎,卢昌宏,方柳川

轨道车辆一系垂向减振器劣化辨识方法研究

姜良奎1,卢昌宏2,方柳川2

(1.中车青岛四方机车车辆股份有限公司,山东 青岛 266111;2.西南交通大学机械工程学院,四川 成都 610031)

减振器是轨道车辆的重要部件,在目前的研究中,缺少对轨道车辆一系垂向减振器劣化阶段进行辨识的研究。为了实现对减振器的劣化阶段进行辨识,提出了一种基于粒子群优化支持向量机(PSO-SVM)模型的减振器性能劣化辨识方法。首先通过仿真软件获得减振器的加速度信号,提取特征后利用SVM模型对特征进行筛选融合,其次使用粒子群寻优算法对SVM模型的参数进行寻优处理,最后实现了对减振器服役性能劣化状态的辨识。通过实验验证了该方法的有效性,实验结果表明:SVM模型对减振器进行劣化辨识具有可行性,采用寻优算法能够提升方法的辨识率。

减振器;劣化辨识;PSO;SVM

减振器作为高速列车转向架的重要部件,在列车行驶过程中起着保护车体、缓冲减震的作用。减振器性能直接影响列车行驶的平顺性、稳定性和安全性,对其性能退化评估可以更为有效地服务于设备的主动维护[1]。因此研究一种高效、准确的智能诊断方法具有重要意义。

在目前的一些机械设备,如刀具等的性能劣化状态识别研究过程中,支持向量机、人工神经网络、隐马尔可夫和深度学习等模型被广泛应用。

支持向量机(Support Vector Machine,SVM)是一种监督式机器学习模型,泛化能力强、非线性映射能力强,目前在分类和回归分析问题上被大量采用。……

登录APP查看全文

猜你喜欢

特征模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
线性代数的应用特征
一个相似模型的应用