来源：期刊VIP网 时间：
作者：刘敏;杨俊杰;赵雪;
单位：山西铁道职业技术学院;东北电力大学;中北大学;
摘要：滚动轴承作为地铁列车的重要组成之一，直接影响列车安全，针对现有滚动轴承故障诊断方法存在的准确率差和效率低等问题，在对滚动轴承进行故障分析的基础上，提出将改进的变分模态分解和改进的Elman神经网络相结合用于地铁列车滚动轴承振动信号的特征提取和故障诊断。通过改进的麻雀搜索算法对变分模式分解算法（分解个数和惩罚因子）和Elman神经网络（权重和阈值）进行寻优，提高特征提取和故障诊断精度和效率。通过实验对其性能进行分析。结果表明，相比于常规方法，所提地铁列车滚动轴承振动信号特征提取方法收敛速度快和运行时间短，故障诊断模型具有较高的诊断准确率和效率，故障诊断准确率达99.00%，平均诊断时间2.02s，具有一定的实用价值。
关键词：地铁列车;;滚动轴承;;故障诊断;;变分模态分解;;Elman神经网络;;麻雀搜索算法
基金资助：2022年度山西省高等学校科技创新项目（2022L700）
