基于LSTM的高速列车转向架故障诊断算法研究

发布时间：2025-03-20 05:43

　　近年来,高速铁路运营里程的快速增长和运行时速的迅速提高使得高速列车安全保障技术面临着巨大挑战。转向架作为车体的重要组成部分之一,其异常状态往往会体现在转向架和车体的异常振动上,由于该类机械部件在整个系统中所起的作用及其性能蜕化程度的不同,异常振动信号的体现方式也有所不同。循环神经网络(Recurrent Neural Networks,RNN)是一种可以根据时序数据提取其内部关联特征的网络。由于转向架振动数据是时序数据,所以利用RNN可以从本质上提取数据内部信息。长短时记忆网络(Long Short Term-Memory,LSTM)是RNN的一种升级网络,它可以对输入、保存和输出的数据量进行自由设定,通过连接先前的数据进行分析,提取当前数据的特征,以此来提升RNN的故障诊断效率。本文建立了基于LSTM网络的高速列车转向架振动信号故障诊断模型与性能参数蜕化拟合模型。具体内容如下:首先,对已有的高速列车转向架关键部件故障振动数据,搭建基于LSTM网络等多种神经网络的故障诊断模型。针对多种故障在恒定速度条件下进行多通道融合的故障诊断。其次,在原始振动数据固有的58个通道之外加入其他神经网络故...

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状概述
        1.2.1 故障诊断的研究现状
        1.2.2 深度学习的研究现状
    1.3 本文主要研究内容
    1.4 本文组织结构
第2章 高速列车转向架相关研究
    2.1 高速列车转向架关键部件
    2.2 高速列车转向架振动数据
        2.2.1 数据来源
        2.2.2 数据介绍
    2.3 高速列车振动信号时频分析
        2.3.1 振动信号频谱分析
        2.3.2 振动信号EEMD特征提取分析
    2.4 小结
第3章 基于LSTM的转向架故障诊断
    3.1 网络模型原理
        3.1.1 LSTM
        3.1.2 Catboost
        3.1.3 Adaboost
        3.1.4 K-means聚类
    3.2 故障诊断实验设计
        3.2.1 实验数据分析
        3.2.2 实验设计
    3.3 固定行车时速的故障诊断
        3.3.1 基于Catboost网络的故障诊断
        3.3.2 基于Adaboost网络的故障诊断
        3.3.3 基于LSTM网络的故障诊断
    3.4 数据特征扩展及鲁棒性验证
        3.4.1 K-means聚类实验
        3.4.2 基于LSTM网络的数据特征扩展故障诊断
    3.5 小结
第4章 基于LSTM的转向架部件参数蜕变拟合
    4.1 网络模型原理
    4.2 部件参数蜕变拟合实验设计
        4.2.1 实验数据分析
        4.2.2 部件参数蜕变拟合实验设计
    4.3 固定行车时速的单通道部件参数蜕变拟合分析
        4.3.1 基于LSTM网络的拟合分析
        4.3.2 基于GBDT网络的拟合分析
        4.3.3 基于改进LSTM网络的拟合分析
    4.4 固定行车速度的全通道部件参数蜕变拟合分析
        4.4.1 基于LSTM网络的拟合分析
        4.4.2 基于GBDT网络的拟合分析
        4.4.3 基于改进LSTM网络的拟合分析
    4.5 小结
总结与展望
致谢
参考文献
攻读硕士学位期间的论文及科研情况



本文编号：4037471