科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对轴承复合故障振动信号的多分量耦合调制特征及特征参数难确定问题,提出一种基于深度学习的城轨列车轴承复合故障诊断方法。对轴承振动信号进行标准化处理并转换为二维数组,将数组以灰度图形式存储得到特征样本,分为训练集和测试集。将训练集作为卷积神经网络(CNN)模型的输入,对模型进行训练,确定网络最佳结构和参数;通过测试集验证网络的可行性和有效性。实验结果表明,基于深度学习的城轨列车轴承复合故障诊断方法,可有效识别城轨列车轴承复合故障,为轴承复合故障辨识提供了一种新思路。
-
单位北京建筑大学; 北京市地铁运营有限公司
