摘要： 针对现有钢轨波磨检测方法效率低下且精度不高等问题，提出一种基于鲸鱼优化算法(Whale Optimization Algorithm，WOA)-变分模态分解(Variational Mode Decomposition，VMD)的地铁钢轨波磨识别方法。首先，利用鲸鱼优化算法对变分模态分解模态个数K和惩罚系数α 进行参数寻优，然后根据VMD将轴箱振动加速度信号分解为一组本征模态分量(Intrinsic Mode Functions，IMF)；引入IMF振动能量比进行筛选，并计算剩下分量的能量值，通过设定阈值判断是否存在钢轨波磨，最后对超出阈值的分量进行同步压缩小波时频分析，根据其中心频率确定钢轨波磨的波长。通过仿真实验和工程实例验证了该方法的有效性，结果表明：该方法能够通过轴箱振动加速度识别钢轨波磨，并确定钢轨波磨的波长信息，有助于地铁轨道的维修和养护。

关键词: 故障诊断, 钢轨波磨, 变分模态分解, 鲸鱼优化算法, 样本熵, 同步压缩小波变换