遗传算法结合小波神经网络的列车车轮扁疤故障检测方法

• 作者: 尚春阳 江航 高瑞鹏
• 来源期刊: 西安交通大学学报
• 关键词: 小波神经网络 故障诊断 车轮扁疤 信号处理
• 年，卷（期）: 2013,（9）
• 页码范围: 88-91,111
• 页数: 5页
• 分类号: O341
• 语种: 中文
• DOI: 10.7652/xjtuxb201309015

摘要

为了寻求一种更加有效的列车车轮扁疤故障分析算法,提出一种通过轮轨噪声来确定车轮扁疤严重程度的检测方法.该方法将遗传算法与小波神经网络相结合,同时为了避免出现局部极小值,加速学习速度,在小波神经网络中增加了动量模型；在搜寻小波神经网络隐含层链接权值之前,使用遗传算法进行计算以优化小波神经网络结构；硬件只需2组麦克风阵列以及2个速度感应器就可以提供实时结果,成本远低于我国现有的检测方法.对不同列车车速下的轮轨信号进行了实时测试,结果表明:与传统神经网络、小波神经网络和遗传算法相比,该方法的检测准确率最多分别提高了16％、11％和3％,并且收敛最快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尚春阳	西安交通大学机械工程学院	26	203	7.0	14.0
2	高瑞鹏	西安交通大学机械工程学院	3	16	1.0	3.0
3	江航	西安交通大学机械工程学院	2	16	1.0	2.0