Page 73 - 《摩擦学学报》2021年第1期

70 摩 擦 学 学 报 第 41 卷

1.2 1.2
600 m
1.0 800 m 1.1
1 000 m
1 200 m
0.8 1 400 m 1.0
2 000 m 0.9
5 000 m
y/mm 0.6 8 000 m y/mm
9 000 m
0.4 10 000 m 0.8
0.7
0.2
0.6
0.0
0.5
−80 −60 −40 −20 0 20 40 60 80 0 2 000 4 000 6 000 8 000 10 000
x/mm x/mm
(a) Wear depth of different curve radius (b) Maximum wear depth value of different curve radius

Fig. 5 Comparison of wearing depth of different curve radius
图 5 不同曲线半径的磨耗深度对比图
1.2 0.80
16 m/s
1.0 18 m/s 0.75
20 m/s
0.8 22 m/s 0.70
25 m/s
y/mm 0.6 27 m/s y/mm 0.65
30 m/s
0.4 33 m/s 0.60
55 m/s
0.2 0.55
0.0 0.50
−80 −60 −40 −20 0 20 40 60 80 16 18 20 22 24 26 28 30 32 34
x/mm x/mm
(a) Wear depth of different curve radius (b) Maximum wear depth value of different curve radius

Fig. 6 Comparison of wearing depth of different speeds
图 6 不同速度的磨耗深度对比图

0.60
0.6 25 t
27 t
0.5 30 t 0.58
0.4
0.56
y/mm 0.3 y/mm
0.54
0.2
0.1 0.52
0.0
0.50
−80 −60 −40 −20 0 20 40 60 80 24 25 26 27 28 29 30 31
x/mm x/mm
(a) Wear depth of different curve radius (b) Maximum wear depth value of different curve radius

Fig. 7 Comparison of wearing depth of different axle loads
图 7 不同轴重的磨耗深度对比

18、20、22、25、27、30、33和55 m/s. 第三组是改变曲线 入变量，最大磨耗深度值作为输出变量，通过神经网
半径的大小，取值为600~10 000 m之间的整数倍的值. 络进行训练和预测.
将以上三类影响因素自由组合，通过UM进行仿真，得 为了验证本文中提出的SQPSO-DELM模型预测
[13]
[9]
到不同情况下的踏面最大磨耗值. 本试验一共得到 准确性，将SQPSO-DELM与LSSVM、BP 、PSO-BP 、
200组数据，将其中140组数据作为训练样本，其余 ELM、PSO-ELM和QPSO-ELM进行对比，分别建立踏
60组作为测试样本，将速度、轴重和曲线半径作为输 面磨耗预测模型，对最大磨耗值进行学习和训练. 王