10.3969/j.issn.1001-8360.2021.11.011
基于深度门控循环单元网络的转辙机健康状态评估
转辙机的健康状态评估是实现状态修的重要技术之一.提出基于时域、时频域特征与循环神经网络的状态评估方法.首先利用集合经验模态分解将原始信号分解,得到不同时间尺度的固有模态分量,并提取每个分量的模糊熵与6个时域特征组合作为原始特征集;然后利用局部加权回归对特征曲线进行平滑以捕获退化趋势,并利用特征的固有属性进行特征选择;最后将最优特征子集作为门控循环单元神经网络的输入,建立时间序列特征与转辙机健康指数的非线性关系.实验结果表明,该方法可以利用转辙机原始功率数据准确提取并选择混合特征,有效识别早期故障,评估转辙机的健康状态.
转辙机;状态评估;集合经验模态分解;特征选择;门控循环单元;健康指数
43
U284.72(铁路通信、信号)
国家973计划前期研究专项;甘肃省国际科技合作项目
2021-12-06(万方平台首次上网日期,不代表论文的发表时间)
共9页
88-96