基于卷积时空交互融合网络的列车轴承故障诊断

TP306+.3%U260.331+.2; [目的]轴箱轴承运行环境的多元复杂性使得采用单一传感器的轴承故障诊断方法难以取得良好的效果.针对此问题,特开展了基于卷积时空交互融合网络的列车轴承故障诊断的研究.[方法]采用多传感器融合方法,在水平-竖直振动数据集上提出了一种CTS-MFN(基于卷积时空交互融合网络)用于轴承故障诊断.将ECA(高效通道注意力)模块、LSTM(长短期记忆)网络和相似性距离约束引入卷积自编码器,使模型能够提取具有模态间交互信息的时间-空间注意特征;在利用MLP(多层感知机)对各模态时空特征进行融合推断.[结果及结论]通过对比试验、消融研究、泛化性能分析等试验,证明了所提...

Full description

Saved in:
Bibliographic Details
Published in城市轨道交通研究 Vol. 27; no. 10; pp. 13 - 20
Main Author 贺佳
Format Journal Article
LanguageChinese
Published 国能包神铁路集团有限公司,719316,榆林 2024
Subjects
data fusion
convolutional au-toencoder
long short-term memory network
长短记忆网络
列车
轴承故障诊断
数据融合
卷积自编码
bearing fault diagnosis
train
Online AccessGet full text
ISSN1007-869X
DOI10.16037/j.1007-869x.2024.10.003

Cover

More Information
Summary:TP306+.3%U260.331+.2; [目的]轴箱轴承运行环境的多元复杂性使得采用单一传感器的轴承故障诊断方法难以取得良好的效果.针对此问题,特开展了基于卷积时空交互融合网络的列车轴承故障诊断的研究.[方法]采用多传感器融合方法,在水平-竖直振动数据集上提出了一种CTS-MFN(基于卷积时空交互融合网络)用于轴承故障诊断.将ECA(高效通道注意力)模块、LSTM(长短期记忆)网络和相似性距离约束引入卷积自编码器,使模型能够提取具有模态间交互信息的时间-空间注意特征;在利用MLP(多层感知机)对各模态时空特征进行融合推断.[结果及结论]通过对比试验、消融研究、泛化性能分析等试验,证明了所提模型的有效性.
ISSN:1007-869X
DOI:10.16037/j.1007-869x.2024.10.003