[发明专利]基于TCN网络的列车轮轴故障声发射检测方法

说明书

本发明公开了基于TCN网络的列车轮轴故障声发射检测方法，所述方法包括：构建TCN网络；将大量样本输入TCN网络进行网络训练，所述样本包括声发射信号、轮轴转速及对应的分类标签；TCN网络对声发射信号进行特征提取，并考虑声发射信号与轮轴转速之间的相关性，将学习到的特征与轮轴转速结合进一步进行特征学习，输出分类结果，不断进行网络训练，当达到预定的训练次数或者网络的损失函数值最小时停止训练，得到训练好的TCN网络模型；将实时检测的声发射信号和对应的轮轴转速输入训练好的TCN网络模型，得到列车轮轴故障检测结果；本发明的优点在于：充分利用数据信息，避免了人工特征选取造成的信息损失。

技术领域

本发明涉及列车轮轴故障探测领域，更具体涉及基于TCN网络的列车轮轴故障声发射检测方法。

背景技术

列车长期运行，列车轮轴长期进行机械转动，承受巨大负荷，非常容易造成磨损，甚至故障，有可能引起重大事故，造成重大经济损失。因此及时发现轮轴磨损和故障，以对其维护更换，能够有效避免列车事故。及时发现列车轮轴故障具有重大意义。

目前列车轮轴故障诊断方法主要分为两类。一类为基于振动信号的接触式故障诊断方法，另一类是基于声学特征的非接触式诊断方法。基于振动信号的轮轴故障诊断已经有很长的历史，技术较为成熟，但由于振动信号频率范围较低、必须采用接触式等原因，其适用范围有限。声学特征检测由于是非接触式方法，在部署成本和适用范围上具有巨大优势，声学轮轴故障诊断按照发声机制可以分为声发射诊断技术和声学信号诊断技术。声学信号诊断技术是指采用外力敲击轮轴，对其发出声学进行诊断。这种方法难以发现初期故障，且不适合实时在线应用。发射检测技术是一种动态无损检测方法，其信号来自缺陷本身，因此，用声发射检测法可以判断缺陷的活动性和严重性。文献《Tandon N,Nakra BC.Defect detection in rolling element bearings by acoustic emissionmethod.1990.》中提出了利用声发射信号的峰值振幅和声发射计数这两个特征参数进行故障诊断。文献《王燕燕.基于声发射技术的铁路重载货车滚动轴承故障诊断研究.中南大学硕士论文,2013.》利用小波包分解来提取声发射信号中的故障特征信息。文献《理华,徐春广,肖定国,等.中国轴承论坛论文参考题目滚动轴承声发射检测技术[J].轴承,2002(7):4.》仅采用短时均方根参数进行声发射信号的特征识别。类似的方法还有很多，这类方法主要依靠人工的方式寻找故障特征，容易造成信息损失。

发明内容

本发明所要解决的技术问题在于现有技术列车轮轴故障声发射检测方法主要依靠人工的方式寻找故障特征，容易造成信息损失的问题。

本发明通过以下技术手段实现解决上述技术问题的：基于TCN网络的列车轮轴故障声发射检测方法，所述方法包括：

构建TCN网络；

将大量样本输入TCN网络进行网络训练，所述样本包括声发射信号、轮轴转速及对应的分类标签；

TCN网络对声发射信号进行特征提取，并考虑声发射信号与轮轴转速之间的相关性，将学习到的特征与轮轴转速结合进一步进行特征学习，输出分类结果，不断进行网络训练，当达到预定的训练次数或者网络的损失函数值最小时停止训练，得到训练好的TCN网络模型；

将实时检测的声发射信号和对应的轮轴转速输入训练好的TCN网络模型，得到列车轮轴故障检测结果。

本发明采用TCN网络对声发射信号进行特征提取，并考虑声发射信号与轮轴转速之间的相关性，将学习到的特征与轮轴转速结合进一步进行特征学习，与传统的非机器学习类方法相比，本发明通过大量样本驱动TCN网络进行进行特征学习，充分利用数据信息，避免了人工特征选取造成的信息损失。

进一步地，所述TCN网络包括顺序连接的第一TCN模块、第二TCN模块、特征融合模块、第三TCN模块、全连接层以及softmax层，所述声发射信号输入到第一TCN模块的输入端，对应的轮轴转速输入到特征融合模块的输入端。