【摘要】：深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)領(lǐng)域的新熱點(diǎn),為故障診斷技術(shù)領(lǐng)域的研究開拓了新的思路。針對高速列車進(jìn)行故障分析的重要性,將深度學(xué)習(xí)和集成學(xué)習(xí)相結(jié)合,提出一種基于EDBN-SVM(EnsembleDeep Belief Network-Support Vector Machine)的故障診斷模型。首先對高速列車振動信號進(jìn)行快速傅立葉變換,其次分析確定了EDBN-SVM模型的參數(shù),然后將信號的FFT系數(shù)作為EDBN-SVM模型的可視層輸入,并逐層學(xué)習(xí)高層特征,最后利用多個(gè)SVM分類器進(jìn)行識別并對識別結(jié)果進(jìn)行集成。為評估該方法的有效性,采用實(shí)驗(yàn)室數(shù)據(jù)和仿真數(shù)據(jù)進(jìn)行實(shí)驗(yàn)測試,并與傳統(tǒng)的幾種故障分析方法進(jìn)行對比。結(jié)果表明,該方法的故障識別效果優(yōu)于傳統(tǒng)的故障分析方法,同時(shí)穩(wěn)定性更好。
[Abstract]:As a new hot spot in the field of machine learning, deep learning opens up new ideas for the research of fault diagnosis technology. In view of the importance of fault analysis of high-speed trains, a fault diagnosis model based on EDBN-SVM (EnsembleDeep Belief Network-Support Vector Machine) is proposed by combining deep learning with integrated learning. Firstly, the fast Fourier transform is carried out on the vibration signal of high-speed train. Secondly, the parameters of EDBN-SVM model are analyzed and determined, and then the FFT coefficient of the signal is used as the visual layer input of EDBN-SVM model, and the high-level features are learned layer by layer. Finally, multiple SVM classifiers are used to identify and integrate the recognition results. In order to evaluate the effectiveness of this method, laboratory data and simulation data are used for experimental testing, and compared with several traditional fault analysis methods. The results show that the fault identification effect of this method is better than that of the traditional fault analysis method, and the stability of the method is better than that of the traditional fault analysis method.
【作者單位】： 西南交通大學(xué)信息科學(xué)與技術(shù)學(xué)院;西南交通大學(xué)電氣工程學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目(61134002,61572407)資助
【分類號】：U279.33

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張建華;;淺談鐵路給水設(shè)備維護(hù)及常見故障分析[J];科技創(chuàng)業(yè)家;2013年10期

2 高明;;東風(fēng)_4型機(jī)車一起水溫高的故障分析[J];內(nèi)燃機(jī)車;1992年12期

3 嚴(yán)萬千,孟蕊;運(yùn)用科學(xué)方法進(jìn)行故障分析[J];鐵道通信信號;2002年02期

4 陳啟成;東風(fēng)_4型機(jī)車新式軸箱軸承內(nèi)圈崩裂故障分析及防止措施[J];內(nèi)燃機(jī)車;1995年09期

5 原毅;提速客車運(yùn)行二年來故障分析及對策[J];上海鐵道科技;1999年03期

6 馮捷;120型緊急閥故障分析[J];鐵道機(jī)車車輛;2000年04期

7 翟玉江;燃油箱進(jìn)水造成柴油機(jī)爆燃振動的故障分析[J];內(nèi)燃機(jī)車;2003年10期

8 高偉東;東風(fēng)_4型機(jī)車一起冷卻風(fēng)扇轉(zhuǎn)速低的故障分析[J];內(nèi)燃機(jī)車;1994年04期

9 張勤,智強(qiáng);軌道車故障分析與控制綜述[J];鐵道技術(shù)監(jiān)督;2005年03期

10 郝春霖;;運(yùn)行客車檢修故障分析[J];內(nèi)蒙古科技與經(jīng)濟(jì);2006年18期

相關(guān)會議論文 前2條

1 孫新根;;302D-Z型調(diào)速器故障分析與改進(jìn)[A];河南省鐵道學(xué)會2007年學(xué)術(shù)活動月優(yōu)秀論文選集[C];2007年

2 孫新根;;302D—Z型調(diào)速器故障分析與改進(jìn)[A];河南省鐵道學(xué)會2007年學(xué)術(shù)活動月優(yōu)秀論文集[C];2007年

相關(guān)碩士學(xué)位論文 前1條

1 黃冬;軌道車輛門可靠性數(shù)據(jù)管理及故障分析系統(tǒng)的研究與實(shí)現(xiàn)[D];南京理工大學(xué);2007年

，

本文編號：2481793