基于深度学习的高速列车转向架故障识别

• 作者: 余志斌 庞荣 李辉 熊维毅
• 来源期刊: 铁道科学与工程学报
• 学科: 工学
• 关键词: 深度学习 离散傅里叶变换 高速列车 转向架
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 高速铁路技术
• 页码范围: 1283-1288
• 页数: 6页
• 分类号: TP391
• 字数: 3319字
• 语种: 中文

摘要

为提取高速列车转向架关键部件振动信号的特征，提出基于深度学习（Deep Learning）的高速列车转向架故障识别新方法。以转向架关键部件非全拆单工况故障信号为研究对象，对故障信号进行离散傅里叶变换，然后依据深度学习的降噪自动编解码过程对故障的频域信号进行特征学习，并以此特征作为 BP 神经网络的输入实现转向架故障信号的识别。实验结果表明：在不同速度下，所提方法对转向架关键部件非全拆故障识别正确率能达到100％，表明了该方法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余志斌	西南交通大学电气工程学院	40	366	11.0	17.0
2	李辉	西南交通大学电气工程学院	33	222	9.0	14.0
3	庞荣	西南交通大学电气工程学院	1	25	1.0	1.0
4	熊维毅	西南交通大学电气工程学院	3	45	3.0	3.0