摘要： 地铁转向架轴承系统出现故障将会严重影响列车的安全运行。针对于极限学习机(Extreme Learning Machine, ELM)的不足，提出基于粒子群优化(Particle Swarm Optimization, PSO)算法的自编码ELM(Auto-encoder-PSO-ELM,AP-ELM)算法。首先构建多个结构相同的自编码器，将自编码器训练好后，对每个自编码器初始化权重，然后通过PSO算法优化权重，优化完成后将其与ELM算法融合。该方法被用于西储大学公共轴承故障试验台和地铁转向架轴承系统试验台中验证，并与ELM算法和单层自编码ELM算法对比。结果表明：AP-ELM算法在2个数据集中的分类效果均优于另外2种算法，验证了AP-ELM的有效性与优越性。

关键词: 故障诊断; 极限学习机; 自编码; 粒子群优化

中图分类号: 

• U279