基于深度学习的高速列车转向架故障识别.pdfVIP

第 12卷 第 6期 铁道科学与工程学报 Volume 12 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 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 PANG Rong，YU Zhibin，XIONGW eiyi，LIHui (SchoolofElectricalEngineering，SouthwestJiaotongUniversity，Chengdu610031，China) Abstract：Toextractthefeaturesofvibration signalsofhigh—speedtrainbogie，anovelapproach，which is basedonDeepNetwork，wasproposedtorecognizethefaultsofhigh—speedtrainbogie．Faultsignalswereob— tainedfrom non—wholesinglefaultofkeycomponentsofbogie．Thediscretefouriertrandform wasconductedto thefaultsignalsandthenadenoisingautoencoderswaspresentedtoabstractfeaturesofvibrationsignals．Based onthedeeplearningconcept，adeepnetworkwasbuildtorecognizethefaultsofhigh—speedtrain bogie．The experimentalresultsshow thattherecognitionrateis100％ 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 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 J。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 自然灾害。转向架是高速列车走行部的重要组成 方法变得越来越迫切 。黄照伟等 从动力学方面 部分，其机械性能的优劣对整个高速列车系统运行 研究了高速列车车轮磨耗与高速列车运行性能的 的可靠性和安全性都有着非常重要的影响，因此， 关系。史红梅等 研究了列车蛇行运动稳定性以 高速列车转向架关键部件的