基于压缩感知和深度小波网络的列车故障识别

基于压缩感知和深度小波网络的列车故障识别

论文摘要

针对列车走行部故障振动数据无监督特征学习的难点,提出了一种基于压缩感知和深度小波神经网络(CS-DWNN)的列车故障识别方法。首先,对采集得到的列车走行部振动信号利用高斯随机矩阵进行压缩采样;其次,构建以改进小波自编码器(WAE)为基础的深层小波网络,将压缩后的信号直接输入网络进行自动逐层特征提取;最后,用DWNN学习到的多层特征分别训练多个深度支持向量机(DSVM)和深度森林(DF)分类器,并将识别结果进行集成。该方法利用深层小波网络从压缩信号中自动挖掘隐藏的故障信息,受先验知识和主观影响较小,并且避免了复杂的人工特征提取过程。实验结果表明,CS-DWNN方法取得了99.16%的平均诊断正确率,能够有效识别列车走行部的3种常见故障,识别能力优于传统的人工神经网络(ANN)、支持向量机(SVM)等方法和深度信念网络(DBN)、堆栈降噪自编码器(SDAE)等深度学习模型。

论文目录

  • 0 引言
  • 1 压缩感知理论
  • 2 深度小波神经网络
  •   2.1 改进小波自编码器
  •   2.2 DWNN层次集成模型
  • 3 实验结果与分析
  •   3.1 实验数据介绍
  •   3.2 压缩采样
  •   3.3 与其他方法的对比
  •   3.4 不同激活函数对DWNN的影响
  •   3.5 压缩率对DWNN的影响
  •   3.6 不同优化算法对DWNN的影响
  • 4 结语
  • 文章来源

    类型: 期刊论文

    作者: 杜小磊,陈志刚,张楠,许旭

    关键词: 列车,压缩感知,小波自编码器,深度学习,故障识别

    来源: 计算机应用 2019年07期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 铁路运输,自动化技术

    单位: 北京建筑大学机电与车辆工程学院,北京建筑大学北京市建筑安全监测工程技术研究中心

    基金: 国家自然科学基金资助项目(51605022),北京市属高校基本科研业务费专项(X18217),北京市教育委员会科技计划一般项目(SQKM201710016014),北京市优秀人才培养资助项目(2013D005017000013)~~

    分类号: U279;TP18

    页码: 2175-2180

    总页数: 6

    文件大小: 1492K

    下载量: 202

    相关论文文献

    • [1].面向智能光电复合缆的故障识别与定位研究[J]. 电子设计工程 2020(04)
    • [2].配电线路在线故障识别与诊断技术分析[J]. 网络安全技术与应用 2020(07)
    • [3].配电线路在线故障识别与诊断方法研究[J]. 山东工业技术 2015(23)
    • [4].配电线路在线故障识别与诊断方法研究[J]. 中国高新技术企业 2015(21)
    • [5].配电线路在线故障识别与诊断方法研究[J]. 科技创新与应用 2015(08)
    • [6].煤矿智能供电系统故障识别与隔离[J]. 煤矿机械 2015(07)
    • [7].煤矿主扇风机运行主要故障识别及处理[J]. 石化技术 2019(12)
    • [8].配电线路在线故障识别与诊断方法研究[J]. 山东工业技术 2015(23)
    • [9].配电线路在线故障识别与诊断方法的研究[J]. 硅谷 2014(22)
    • [10].对于配电线路在线故障识别与诊断方法研究[J]. 科技视界 2016(09)
    • [11].配电线路在线故障识别与诊断技术探究[J]. 通讯世界 2016(22)
    • [12].配电线路在线故障识别与诊断方法的研究[J]. 广东科技 2013(16)
    • [13].试论配电线路在线故障识别与诊断方法研究[J]. 科技尚品 2016(01)
    • [14].配电线路在线故障识别与诊断方法分析[J]. 科技创新与应用 2015(35)
    • [15].基于有限元模拟的振动筛在线监测及故障识别技术[J]. 混凝土世界 2020(12)
    • [16].直流配电网故障识别和定位技术研究综述[J]. 电工电能新技术 2019(07)
    • [17].配电线路在线故障识别与诊断[J]. 电子测试 2015(10)
    • [18].配电线路在线故障识别与诊断方法研究[J]. 通讯世界 2015(19)
    • [19].基于大数据分析技术的电网计量故障识别方法研究[J]. 中国管理信息化 2019(11)
    • [20].配电线路在线故障识别与诊断方法研究[J]. 山东工业技术 2015(21)
    • [21].Logistic分类算法下的配电网故障识别技术研究[J]. 电工技术 2018(24)
    • [22].基于改进方向电流法的特高压直流输电线路故障识别[J]. 中国电力 2019(01)
    • [23].不均衡数据集下基于生成对抗网络的改进深度模型故障识别研究[J]. 电子测量与仪器学报 2019(03)
    • [24].简单电路故障识别教学难点突破[J]. 科学大众(科学教育) 2017(03)
    • [25].高压电缆故障识别一例[J]. 农村电气化 2011(01)
    • [26].基于神经网络集成的声学故障识别[J]. 船海工程 2009(02)
    • [27].避雷绝缘子的故障识别功能的创新与改进[J]. 中国高新区 2018(08)
    • [28].基于膜计算的水电机组故障识别[J]. 内燃机与配件 2018(14)
    • [29].输配电线路故障识别及处理[J]. 电子技术与软件工程 2017(10)
    • [30].基于主成分修整和线性判别分析的重叠故障识别[J]. 系统工程学报 2012(05)

    标签:;  ;  ;  ;  ;  

    基于压缩感知和深度小波网络的列车故障识别
    下载Doc文档

    猜你喜欢