基于机器学习的高速列车轴承温度状态识别

• 作者: 段亮 宋春元 刘超 魏苇 吕成吉
• 来源期刊: 吉林大学学报（工学版）
• 学科: 交通运输
• 关键词: 车辆工程 轴承温度状态 卷积神经网络 图像识别 高速列车 机器学习
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 车辆工程·机械工程
• 页码范围: 53-62
• 页数: 10页
• 分类号: U271
• 语种: 中文
• DOI: 10.13229/j.cnki.jdxbgxb20200751

摘要

通过研究大量的高速列车轴承温度实测历史数据,提出了利用轴承温度关联测点之间的变化相似作为实现轴承温度状态连续性识别的依据.首先,应用无监督学习One-class SVM算法进行异常识别,结果表明该算法虽然可以较好地识别异常即"紧急"状态,但无法实现轴承温度状态的连续性识别.然后,进一步地根据相对温度变化将轴承从正常到故障失效整个过程定义为4个阶段,即长、中、短、紧急,并提出了以包含相对温度及温变速率等信息的图像样本来描述轴承温度状态变化的数据表达方式.最后,应用深度学习CNN算法进行轴承温度状态的连续性识别,结果表明CNN模型能够可靠地识别轴承温度的不同状态,从而为实现高速列车轴承预测性维护提供了一定支撑.