杨 帅， 郝如江

(石家庄铁道大学 机械工程学院，河北 石家庄 050043)

0 引言

高铁轴承是高铁的重要部件之一，对于高铁安全稳定运行起着决定性作用[1]。由于轴承运行状态的很多相关信息都可以在轴承振动信号中得以体现，因此在轴承故障诊断方法中，振动信号分析法是最常用也是最有效的方法。CEEMDAN算法[2]是一种信号的自适应分解算法，能够有效改善其他分解算法中存在的模态混叠现象[3-4]，并且重构误差较小，完备性较好。在信号处理和分析方面，特征提取是一种常用的技术手段，近些年来，排列熵、样本熵、奇异值等无量纲参数被引入机械设备振动信号的特征提取之中，给机械故障诊断提供了更多的方法和思路。刘珍珍等[5]利用多尺度排列熵算法，成功地对轴承故障样本进行了特征分类；别峰峰等[6]利用奇异值作为特征提取方式，对往复泵的振动信号样本进行了特征提取；张宁等[7]则利用样本熵作为特征提取手段，进行了行星齿轮箱故障诊断研究。支持向量机[8]是一种分类算法，可以用于不同类型信号的分类和识别，且其对小样本数据的支持性较好，运行效率也比较高。狼群优化算法是一种新型的启发式参数寻优算法，因为能够进行全局寻优，且收敛速度快、寻优精度高而被广泛应用于各种领域，周同乐等[9]利用狼群算法来辅助生成无人机攻防策略数学模型，成功提高攻防策略的作战效能并降低了行动代价；蒋一锄[10]则利用狼群算法来优化图书馆借阅数据聚类模型的初始参数值，并成功提高了聚类精度。……