基于深度学习的城轨列车轴承复合故障诊断研究
Diagnosis of Compound Faults of Bearings of Urban Rail Train Based on Deep Learning Model作者机构:北京建筑大学机电与车辆工程学院北京100044 北京建筑大学城市轨道交通车辆服役性能保障北京市重点实验室北京100044 北京市地铁运营有限公司北京100044
出 版 物:《铁道学报》 (Journal of the China Railway Society)
年 卷 期:2021年第43卷第6期
页 面:37-44页
核心收录:
学科分类:08[工学] 082304[工学-载运工具运用工程] 080203[工学-机械设计及理论] 080204[工学-车辆工程] 0802[工学-机械工程] 0801[工学-力学(可授工学、理学学位)] 080201[工学-机械制造及其自动化] 0823[工学-交通运输工程]
基 金:国家自然科学基金(51605023) 北京市百千万人才工程(2014018) 国家重点研发计划(2016YFB1200402) 北京市教委科研计划(SQKM201810016015) 北京建筑大学研究生创新项目(PG2019092) 建大英才培养计划和北京建筑大学科学研究基金(00331615015)
摘 要:针对轴承复合故障振动信号的多分量耦合调制特征及特征参数难确定问题,提出一种基于深度学习的城轨列车轴承复合故障诊断方法。对轴承振动信号进行标准化处理并转换为二维数组,将数组以灰度图形式存储得到特征样本,分为训练集和测试集。将训练集作为卷积神经网络(CNN)模型的输入,对模型进行训练,确定网络最佳结构和参数;通过测试集验证网络的可行性和有效性。实验结果表明,基于深度学习的城轨列车轴承复合故障诊断方法,可有效识别城轨列车轴承复合故障,为轴承复合故障辨识提供了一种新思路。