高速列车转向架关键构件的性能退化与故障会危及列车运行安全。针对高速列车故障辨识中面临的监测数据高维度和样本稀缺问题,提出一种基于孪生卷积神经网络的转向架故障类型辨识方法,利用深度残差一维卷积网络进行多通道振动监测信号的特征提取与融合,使用孪生结构获得基于特征距离的样本相似度,依据支撑集典型数据样本进行故障类型辨识。实验结果表明,该方法可以在仅有少量样本的情况下,实现高速列车转向架多种故障类型辨识,提高了在小样本数据下的故障类型识别准确率。
类型: 期刊论文
作者: 吴昀璞,金炜东,任俊箫
关键词: 高速列车转向架,故障辨识,小样本学习,孪生网络
来源: 系统仿真学报 2019年11期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 铁路运输,自动化技术
单位: 西南交通大学电气工程学院
分类号: U279;TP183
DOI: 10.16182/j.issn1004731x.joss.19-FZ0281
页码: 2562-2568
总页数: 7
文件大小: 738K
下载量: 246
本文来源: https://www.lunwen90.cn/article/c5d42c3a453583eba509afda.html