基于 ITD-SDP图像特征和DSCNN的道岔转辙机故障诊断

摘要：

针对道岔转辙机故障诊断问题,提出一种基于ITD-SDP图像形状特征和深度可分离卷积神经网络的故障诊断方法.首先对时域压力信号使用固有时间尺度分解算法进行分解,获得一系列固有旋转分量;然后进行对称点模式变换,将分解得到的固有旋转分量映射为雪花图像;最后通过深度可分离卷积神经网络算法实现道岔转辙机的故障诊断,同时与传统的CNN模型进行对比.实验结果表明:图像特征能够有效表征道岔转辙机的工作状态,深度可分离卷积神经网络模型对道岔转辙机4种状态的平均诊断准确率达到98.5％,验证了本方法的有效性和优越性.

关键词：道岔转辙机、固有时间尺度分解、SDP图像特征、卷积神经网络、故障诊断

所属期刊栏目：45

分类号：U284.92(铁路通信、信号)

资助基金：山西省重点研发计划;山西省自然科学基金;山西省回国留学人员科研资助项目

在线出版日期：2023-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：65-71