TY - JOUR A2 - Sopanen, Jussi AU - Li, Yongjian AU - Zhang, wei - hua AU - Xiong, Qing AU - Lu, Tianwei AU - Mei，SP - 5714195vl - 2016 AB -轴箱轴承是铁道车辆最关键的机械部件。状态监测对于保证列车中轴承的健康运行具有重要意义。本文提出了一种基于对称α稳定分布特征提取和最小二乘支持向量机(LS-SVM)的轴箱轴承故障诊断模型。首先，采用快速非局部均值去噪，采用集成经验模态分解提取故障特征信息;然后采用一种新的统计特征提取方法——对称α -稳定分布，从固有模态函数中提取具有代表性的特征。将混合故障特征集输入LS-SVM，进行故障类型识别。为了提高LS-SVM在小样本情况下的性能，将Morlet小波核函数与LS-SVM相结合进行故障类型和故障严重程度的分类，并采用粒子群优化方法对LS-WSVM参数进行优化。最后，实验结果表明，在铁道车辆轴承故障检测与分类中，该方法比其他方法具有更强的鲁棒性和有效性。SN - 1070-9622 UR - https://doi.org/10.1155/2016/5714195 DO - 10.1155/2016/5714195 JF - Shock and Vibration PB - Hindawi Publishing Corporation KW - ER -