基于温振融合与深度自编码器的高速动车组轴箱轴承故障诊断模型

U266.233.1+2; 因物理监测信息利用不足,动车组轴箱轴承故障诊断存在准确率较低问题.首先,利用高速动车组轴箱轴承试验台获取丰富数据,融合温度特征数据与振动特征数据,并使用主成分分析法进行融合与降维;然后,建立基于温振融合与DAE(深度自编码器)的轴箱轴承故障诊断模型,并通过深度自编码器进行模型训练;最后,用高速动车组轴箱轴承试验台测试集的数据进行模型验证.验证结果表明:与其他对比模型相比,基于温振融合与DAE的轴箱轴承故障诊断模型的诊断准确率更高....

Full description

Saved in:
Bibliographic Details
Published in城市轨道交通研究 Vol. 26; no. 4; pp. 36 - 46
Main Authors 王中尧, 王连富, 麻竞文, 崔旺
Format Journal Article
LanguageChinese
Published 中车长春轨道客车股份有限公司国家轨道客车工程研究中心,130062,长春%中车长春轨道客车股份有限公司国家轨道客车工程研究中心,130062,长春%西南交通大学牵引动力国家重点实验室,610031,成都 2023
大连交通大学机械工程学院,116033,大连
Subjects
深度自编码器
高铁动车组
温振融合
轴承故障诊断
轴箱轴承
Online AccessGet full text

Cover

More Information
Summary:U266.233.1+2; 因物理监测信息利用不足,动车组轴箱轴承故障诊断存在准确率较低问题.首先,利用高速动车组轴箱轴承试验台获取丰富数据,融合温度特征数据与振动特征数据,并使用主成分分析法进行融合与降维;然后,建立基于温振融合与DAE(深度自编码器)的轴箱轴承故障诊断模型,并通过深度自编码器进行模型训练;最后,用高速动车组轴箱轴承试验台测试集的数据进行模型验证.验证结果表明:与其他对比模型相比,基于温振融合与DAE的轴箱轴承故障诊断模型的诊断准确率更高.
ISSN:1007-869X
DOI:10.16037/j.1007-869x.2023.04.009