基于深度学习算法的铁路货车关键部件故障检测

作者：丁凤霞; 刘振中

来源：自动化技术与应用, 2023, 42(10): 38-152.

DOI：10.20033/j.1003-7241.(2023)10-0038-05

• 深度学习算法
• 铁路货车
• 关键部件
• 故障检测
• 主成分分析

为避免关键部件故障带来的铁路货车运行安全隐患，提出基于深度学习算法的铁路货车关键部件故障检测方法。使用货车故障动态图像检测系统采集铁路货车关键部件故障图像，采用主成分分析算法提取故障图像的特征向量，利用基于深度置信网络的关键部件故障检测方法，深入分析网络基本原理和结构，将提取的特征向量作为网络的输入数据，通过网络预训练和参数更新实现铁路货车关键部件故障检测。实验结果表明：该方法能精准获取铁路货车关键部件故障图像，且较为清晰；提取的各类型关键部件故障特征均未出现重叠现象，可分性良好；不同类型关键部件故障误检率和漏检率分别低于9%、5%；不同噪声水平下，各类型关键部件故障检测平均绝对误差始终在0.3以下。

• 单位
  国家能源投资集团有限责任公司