基于ITD-SDP图像特征和DSCNN的道岔转辙机故障诊断

作者：王智超; 杨喜旺; 黄晋英; 赵永军; 唐天翼

来源：铁道学报, 2023, 45(05): 65-71.

• 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

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。

• 单位
  太原市京丰铁路电务器材制造有限公司; 中北大学