10.16182/j.issn1004731x.joss.19-FZ0281
基于孪生卷积网络的高速列车转向架故障辨识
高速列车转向架关键构件的性能退化与故障会危及列车运行安全.针对高速列车故障辨识中面临的监测数据高维度和样本稀缺问题,提出一种基于孪生卷积神经网络的转向架故障类型辨识方法,利用深度残差一维卷积网络进行多通道振动监测信号的特征提取与融合,使用孪生结构获得基于特征距离的样本相似度,依据支撑集典型数据样本进行故障类型辨识.实验结果表明,该方法可以在仅有少量样本的情况下,实现高速列车转向架多种故障类型辨识,提高了在小样本数据下的故障类型识别准确率.
高速列车转向架、故障辨识、小样本学习、孪生网络
31
TP277(自动化技术及设备)
2019-12-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
2562-2568