基于深度学习的列车轴承故障诊断研究.pdf
《基于深度学习的列车轴承故障诊断研究.pdf》由会员分享,可在线阅读,更多相关《基于深度学习的列车轴承故障诊断研究.pdf(3页珍藏版)》请在咨信网上搜索。
1、中国新技术新产品2024 NO.1(下)-45-高 新 技 术我国轨道交通行业取得了飞速发展,列车的稳定运行是保障行车安全的重要一环,也是目前国内、外行业内的研究热点,但目前应用于列车轴承故障诊断的模型在识别准确率、识别速度方面还有待提升。如何在列车高速运行下保障行车安全成为轨道交通行业的难题,因此有必要对列车轴承故障诊断进行研究。目前国内许多专家学者已就轴承诊断问题进行了研究。铁科院研发的“JSC-206 机车车辆轴承诊断仪”1仪器可以对检修解体后的轴承进行检测,但系统的抗干扰能力较弱,无法满足列车实际运行中的故障诊断需求2;刁宁昆、马怀祥基于 MPE 和 PSO-SVM 建立了轴承故障诊断
2、模型3;王贵勇、刘韬通过联合 MOMEDA 进行故障特征提取;周志恒、贺德强基于 GA-BP 神经网络并针对轴承状态建立了预防模型。但国内目前研究结果还不能应用到轴承故障预测中,如果能够实时感知轴承状态、跟踪潜在故障并进行针对性维修,将会有效降低列车发生故障的概率。综上所述,本文将针对数据集不均衡、应用场景复杂多变的问题进行研究,以搭建并优化列车轴承故障诊断模型。1 胶囊神经网络卷积神经网路衍变历程漫长且坎坷。作为深度学习的代表算法,其在特征提取方向上具有良好的表象能力。与常规特征提取模型相比,卷积神经网络的池化层可有效降低数据特征维度,泛化能力更突出。但是卷积神经网络需要庞大的数据集训练模型
3、,不能很好地应对模糊性,池化层也会丢失大量信息,使空间分辨率降低。胶囊神经网络的提出解决了卷积神经网络的这一难题。2017 年 10 月,深度学习之父“Hinton”提出了胶囊神经网络。胶囊神经网络摒弃了传统神经网络复杂的特征提取方式,提出胶囊的概念,利用胶囊表示一个事物整体的一个局部特征,并进行高纬度分类。具体核心思路如下:第一,与传统神经网络不同,胶囊神经网络的基本单元是胶囊(Capsule),其中包括多个神经元。胶囊的输入、输出均为向量,向量的长度代表传统神经元中的概率,向量方向则用来表示其他信息(位置、颜色等信息)。第二,胶囊神经网络的动态路由机制替代了传统卷积神经网络的最大池化方法。
4、2 胶囊神经结构胶囊神经网络结构分为编码结构和解码结构。2.1 编码结构以手写体数字识别为例,如图 1 所示。编码结构共包括三层网络,第一层为卷积层(Conv1 层),数据传入胶囊神经网络先进行卷积计算,初步提取特征,手写体数字识别模型中,卷积核的大小为 99,包括 256 个通道,输出为 259 个 2020 的特征。此卷积层的激活函数为 ReLU,卷积层初步提取特征后传递到下一层基础胶囊层中。图 1 编码结构25683220卷积基础胶囊层数字胶囊层61610与卷积神经网络的采样层功能类似,编码结构中卷积层后面为基础胶囊层(Primary Caps)和数字胶囊层(Digit Caps)。基础
5、胶囊层可看作特殊的卷积层。利用多个卷积核来获得数据中多维实体特征,将这些特征整合为矢量(81)并输入数字胶囊层中。数字胶囊层与全连接层相似,接受来自基础胶囊层的输出矢量,其耦合系数决定每个输入特征的接受程度。由于该模型用于识别数字手写体,因此最终输出 10 个胶囊,胶囊维度为 16,每个胶囊的长度代表其数字识别的概率,长度越大,即该数字的可能性越大。模型的最终结果输出为概率最大的数字。动态路由机制仅在基础胶囊层和数字胶囊层之间进行。2.2 解码结构胶囊神经网络的解码结构共包括 3 个全连接层,如图2 所示。先将原始数据输入编码结构中,经过数字胶囊层得到每种结果的预测概率。概率最高的被送入解码结
6、构进行重建,获得重建损失。2.3 训练过程作为胶囊神经网络的激活函数,Squashing 函数将输出基于深度学习的列车轴承故障诊断研究王华勇郭占广田贺(青岛杰瑞工控技术有限公司,山东 青岛 266520)摘 要:作为列车运行的重要部件,轴承的健康状态是决定列车安全运行的重要因素。轴承的故障诊断一直是行业研究热点。本文针对传统模型提取特征不足、特征信息丢失严重、模型准确率低以及分析识别时间长等问题,结合胶囊神经网络的特征结构,提出了基于深度学习的列车轴承故障诊断研究方法。模型以凯斯西储大学的轴承故障数据为数据集。改进后的神经网络模型在识别准确率、识别速度方面均有提升,本文算法具有一定的先进性。关
7、键词:人工智能;胶囊神经网络;轴承故障诊断中图分类号:TP207文献标志码:A中国新技术新产品2024 NO.1(下)-46-高 新 技 术向量长度归一化。如公式(1)所示。221jjjjj=+SSVSS(1)式中:Vj为 j 个胶囊的总输出向量;Sj为 j 个胶囊的总输入向量。传统网络通过加权求和的方式获得网络的输出,胶囊神经网络在传统加权求和的基础上增加了耦合系数 cij,如公式(2)、公式(3)所示。Sj=iCijuj|i(2)uj|i=Wijui(3)式中:ui表示第 l 层的第 i 个胶囊,为储存局部信息;Wij代表第 l 层的第 i 个胶囊和第 l+1 层的第 j 个胶囊的权重矩阵
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 深度 学习 列车 轴承 故障诊断 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。