10.3969/j.issn.1672-7029.2015.06.004
基于深度学习的高速列车转向架故障识别
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(Deep Learning)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。
深度学习、离散傅里叶变换、高速列车、转向架
TP391(计算技术、计算机技术)
国家自然科学重点基金资助项目61134002;中央高校基本科研业务费专项资金资助项目2682014CX029
2016-01-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
1283-1288