基于深度学习的高速列车转向架故障识别①-铁道科学与工程学报.pdf

第 １２卷　第６期 铁道科学与工程学报 Ｖｏｌｕｍｅ１２　Ｎｕｍｂｅｒ６ ２０１５年 １２月 ＪｏｕｒｎａｌｏｆＲａｉｌｗａｙＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ Ｄｅｃｅｍｂｅｒ２０１５ 基于深度学习的高速列车转向 架故障识别① 庞荣，余志斌，熊维毅，李辉 （西南交通大学 电气工程学院，四川 成都６１００３１） 摘　要：为提取高速列车转向架关键部件振动信号的特征，提出基于深度学习（ＤｅｅｐＬｅａｒｎｉｎｇ）的高速列车转向架故障识别 新方法。以转向架关键部件非全拆单工况故障信号为研究对象，对故障信号进行离散傅里叶变换，然后依据深度学习的降 噪自动编解码过程对故障的频域信号进行特征学习，并以此特征作为ＢＰ神经网络的输入实现转向架故障信号的识别。实 验结果表明：在不同速度下，所提方法对转向架关键部件非全拆故障识别正确率能达到１００％，表明了该方法的有效性。 关键词：深度学习；离散傅里叶变换；高速列车；转向架 中图分类号：ＴＰ３９１　　　文献标志码：Ａ　　　文章编号：１６７２－７０２９（２０１５）０６－１２８３－０６ Ｆａｕｌｔｓｒｅｃｏｇｎｉｔｉｏｎｏｆｈｉｇｈ－ｓｐｅｅｄｔｒａｉｎｂｏｇｉｅｂａｓｅｄｏｎｄｅｅｐｌｅａｒｎｉｎｇ ＰＡＮＧＲｏｎｇ，ＹＵＺｈｉｂｉｎ，ＸＩＯＮＧＷｅｉｙｉ，ＬＩＨｕｉ （ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈｗｅｓｔＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１００３１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｏｅｘｔｒａｃｔｔｈｅｆｅａｔｕｒｅｓｏｆｖｉｂｒａｔｉｏｎｓｉｇｎａｌｓｏｆｈｉｇｈ－ｓｐｅｅｄｔｒａｉｎｂｏｇｉｅ，ａｎｏｖｅｌａｐｐｒｏａｃｈ，ｗｈｉｃｈｉｓ ｂａｓｅｄｏｎＤｅｅｐＮｅｔｗｏｒｋ，ｗａｓｐｒｏｐｏｓｅｄｔｏｒｅｃｏｇｎｉｚｅｔｈｅｆａｕｌｔｓｏｆｈｉｇｈ－ｓｐｅｅｄｔｒａｉｎｂｏｇｉｅ．Ｆａｕｌｔｓｉｇｎａｌｓｗｅｒｅｏｂ ｔａｉｎｅｄｆｒｏｍｎｏｎ－ｗｈｏｌｅｓｉｎｇｌｅｆａｕｌｔｏｆｋｅｙｃｏｍｐｏｎｅｎｔｓｏｆｂｏｇｉｅ．Ｔｈｅｄｉｓｃｒｅｔｅｆｏｕｒｉｅｒｔｒａｎｄｆｏｒｍｗａｓｃｏｎｄｕｃｔｅｄｔｏ ｔｈｅｆａｕｌｔｓｉｇｎａｌｓａｎｄｔｈｅｎａｄｅｎｏｉｓｉｎｇａｕｔｏｅｎｃｏｄｅｒｓｗａｓｐｒｅｓｅｎｔｅｄｔｏａｂｓｔｒａｃｔｆｅａｔｕｒｅｓｏｆｖｉｂｒａｔｉｏｎｓｉｇｎａｌｓ．Ｂａｓｅｄ ｏｎｔｈｅｄｅｅｐｌｅａｒｎｉｎｇｃｏｎｃｅｐｔ ，ａｄｅｅｐｎｅｔｗｏｒｋｗａｓｂｕｉｌｄｔｏｒｅｃｏｇｎｉｚｅｔｈｅｆａｕｌｔｓｏｆｈｉｇｈ－ｓｐｅｅｄｔｒａｉｎｂｏｇｉｅ．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｒｅｃｏｇｎｉｔｉｏｎｒａｔｅｉｓ１００％ ｆｏｒｎｏｎ－ｗｈｏｌｅｆａｕｌｔｏｆｋｅｙｃｏｍｐｏｎｅｎｔｓｏｆｂｏｇｉｅａｔ ｔｈｅｄｉｆｆｅｒｅｎｔｓｐｅｅｄ，ｗｈｉｃｈｖｅｒｉｆｉｅｄｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄ． Ｋｅｙｗｏｒｄｓ：ｄｅｅｐｌｅａｒｎｉｎｇ；ｄｉｓｃｒｅｔｅｆｏｕｒｉｅｒｔｒａｎｓｆｏｒｍｓ；ｈｉｇｈ－ｓｐｅｅｄｔｒａｉｎ；ｂｏｇｉｅ 　　随着高速列车的飞速发展，列车的安全稳定运 规的信号处理方法很难有效提取故障信息及对转 ［１］ ［３］ 行变得尤为重要。金学松等 总结了引起高速列 向架故障做出正确识别 。因此，随着对高速铁 车运行安全的主要因素是关键零部件失效和重大 路安全的重视，研究出准确率高的转向架故障识别 ［４］ 自然灾害。转向架是高速列车走行部的重要组成