| 基于改进型 shapelets 算法的动车组轴箱
轴承故障诊断方法研究 |
| |
| 引用本文： | 宋志坤,徐立成,胡晓依,任海星,李 强.基于改进型 shapelets 算法的动车组轴箱
轴承故障诊断方法研究[J].仪器仪表学报,2021(2):66-74. |
| |
| 作者姓名： | 宋志坤 徐立成 胡晓依 任海星 李 强 |
| |
| 作者单位： | 1.北京交通大学机械与电子控制工程学院 |
| |
| 摘 要： | 现存的两种分别基于信号处理技术和大数据处理技术的滚动轴承故障诊断方法,存在着过度依赖信号处理、模型复杂、可解释性弱等特点。针对传统故障诊断技术的不足,本文将基于shapelets学习算法的时间序列分类方法引入故障诊断领域,通过动车组轮对台架滚振实验建立了动车组轴箱轴承故障的非平衡数据集,并基于Dropout思想对诊断模型进行了改进。实验结果表明,该方法在保证故障诊断精确度的同时,保留了shapelets作为"最具代表性的时间序列子序列"的强可解释性。同时,基于Dropout的模型改进提升了模型的泛化性能,在轴承故障数据的训练集和测试集上都取得了100%的诊断精度,证明了基于shapelets的改进学习算法是一种可行的应用于动车组轴箱轴承故障诊断的方法。
|
| 关 键 词： | 故障诊断 滚动轴承 shapelets 机器学习 动车组 |
Research on fault diagnosis method of axle box bearing
of EMU based on improved shapelets algorithm |
| |
| Song Zhikun,Xu Licheng,Hu Xiaoyi,Ren Haixing,Li Qiang.Research on fault diagnosis method of axle box bearing
of EMU based on improved shapelets algorithm[J].Chinese Journal of Scientific Instrument,2021(2):66-74. |
| |
| Authors: | Song Zhikun Xu Licheng Hu Xiaoyi Ren Haixing Li Qiang |
| |
| Affiliation: | 1.School of Mechanical, Electronic and Control Engineering, Beijing Jiatong University |
| |
| Abstract: | |
| |
| Keywords: | fault diagnosis rolling bearing shapelets machine learning electric multiple unit |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《仪器仪表学报》浏览原始摘要信息 |
|
点击此处可从《仪器仪表学报》下载全文 |
|
