科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对高速列车牵引变流器冷却滤网状态异常引发的牵引变流器故障问题,通过综合分析牵引变流器故障分类和滤网堵塞程度之间的相关性,提出一种基于多任务深度学习的故障诊断方法。首先,构建了包含牵引变流器故障诊断主任务及滤网堵塞程度子任务的多任务深度神经网络(multi-task deep neural networks,简称MT-DNN);然后,为了准确预测牵引变流器失效退化趋势,将多任务深度神经网络预测结果与自组织映射(self organizing map,简称SOM)方法结合,构建了多任务深度神经网络自组织映射模型(multi-task deep neural networks self-organizing map,简称MTDNN-SOM),该方法根据历史故障数据特征变量演化规律定义退化状态曲线,直接反映故障特征量和退化状态之间的关系,最终实现了牵引变流器滤网脏堵故障诊断和维修预测。试验结果表明,该方法在精度和效率上都明显优于单任务或传统故障诊断方法,得到了较好的效果。
- 单位
