[发明专利]一种基于深度学习的轮对踏面损伤故障诊断方法

摘要

本发明公开了一种基于深度学习的轮对踏面损伤故障诊断方法：针对具有较强非平稳性和易被强烈背景噪声干扰特点的轮对踏面振动信号，提出了基于短时傅里叶变换和卷积神经网络的故障诊断方法，对轮对踏面振动信号进行短时傅里叶变换，得到时频谱样本，分为训练集和测试集；将训练集输入卷积神经网络中进行学习，不断更新网络参数；将学习好参数的卷积神经网络模型应用于测试集，输出故障识别结果。

主权项

1.一种基于深度学习的轮对踏面损伤故障诊断方法，其特征在于：该方法针对具有较强非平稳性和易被强烈背景噪声干扰特点的轮对踏面振动信号，提出了基于短时傅里叶变换和卷积神经网络的故障诊断方法，实现了端到端的故障模式识别；其进行基于深度学习的轮对踏面损伤故障诊断方法主要包含以下步骤：1)、建立轮对踏面故障振动信号机理模型；2)、对轮对踏面振动信号进行短时傅里叶变换，得到时频谱样本，分为训练集和测试集；3)、将训练集输入卷积神经网络中进行学习，经过卷积层、池化层和全连接层后，输出为故障类型的类标，分为前向传播过程和反向参数更新过程；4)、将学习好参数的卷积神经网络模型应用于测试集，输出故障识别结果。