10.11857/j.issn.1674-5124.2020020011
基于MED辅助特征提取CNN模型的列车轴承故障诊断方法
为增强基于振动信号的列车滚动轴承故障的诊断准确性,提出一种采用MED辅助特征提取的卷积神经网络模型.首先采用MED理论对振动信号进行处理,再将其与原信号构成二维张量送入卷积神经网络进行训练.这样,既在一定程度上突出信号中故障引起的冲击成分,使得故障特征更容易被卷积神经网络提取出来,也完整地保留原信号中的信息,不影响信息的完整性.采用实测轴承数据进行性能分析和验证,对比直接使用CNN的方法.结果表明:该模型确拥有更好的性能,在测试集与训练集来自于不同运行速度数据的情况下,表现出更好的泛化能力,更高的诊断准确性,将测试集的诊断准确率提高2个百分点,是一种能更好用于列车滚动轴承故障智能诊断的方法.
列车、轴承、故障诊断、MED、CNN
46
U279.3(车辆工程)
国家重点研发计划2018YFB1201904-04
2020-11-10（万方平台首次上网日期，不代表论文的发表时间）
共6页
124-129
