来源：期刊VIP网 时间：
作者：刘维桢;秦航远;刘金朝;董英杰;郭剑峰;
单位：北京交通大学机械与电子控制工程学院;中国铁道科学研究院集团有限公司基础设施检测研究所;
摘要：为解决传统高速铁路道岔区晃车状态诊断过度依赖人工巡检的问题，提出一种基于广义解调和麻雀搜索算法（SSA）优化支持向量机（SVM）模型（SSA-SVM）的道岔区晃车状态诊断方法。首先，基于广义解调对车体横向加速度进行分解，提取不同频率模态分量，结合分量信息以及轨道几何信息，进一步计算道岔区晃车诊断特征指标；然后，采用SSA-SVM模型作为道岔区晃车分类诊断模型，提出基于该模型的道岔区晃车状态诊断方法；最后，以我国某高速铁路道岔区实测数据为例进行案例分析，验证该方法的有效性。结果表明：与基于误差反向传播算法模型（BP）、SVM模型、粒子群优化算法（POS）优化的误差反向传播算法模型（POS-BP）和粒子群优化算法优化的支持向量机模型（POS-SVM）的道岔区晃车状态诊断方法相比，采用SSA-SVM模型的道岔区晃车状态诊断方法不仅收敛速度快、精度高，而且在特征较少的情况下仍能保持94.8%的高诊断精度。
关键词：高速铁路;;道岔区晃车;;广义解调;;时频分析;;SSA-SVM
基金资助：国家自然科学基金资助项目（52275121）;; 中国铁道科学研究院集团有限公司院基金课题（2022YJ192）
