《基於數據驅動的高速列車轉向架故障診斷》是2021年科學出版社出版的圖書。
基本介紹
- 中文名：基於數據驅動的高速列車轉向架故障診斷
- 作者：黃德青,秦娜,馬磊
- 出版時間：2021年
- 出版社：科學出版社
- ISBN：9787030683519
- 類別：工業技術類圖書
- 開本：16 開
- 裝幀：平裝
內容簡介,圖書目錄,
內容簡介
《基於數據驅動的高速列車轉向架故障診斷》系統闡述高速列車轉向架故障診斷相關方法的理論基礎及實踐套用。《基於數據驅動的高速列車轉向架故障診斷》共6章，第1章主要介紹轉向架的基礎知識以及國內外故障診斷方法的研究現狀。第2～5章主要介紹不同類型的轉向架故障診斷方法，分別從信號處理、深度學習、複合模型的角度開展轉向架高精度智慧型故障診斷研究。第6章從轉向架智慧型協同故障診斷、多源振動耦合關係下的故障診斷以及面向嵌入式套用和線上運行的故障診斷三個角度展望了轉向架故障診斷方法。
圖書目錄
目錄
第1章 緒論 1
1.1 高速列車轉向架 3
1.1.1 轉向架基本知識 3
1.1.2 高速列車轉向架故障及性能退化 6
1.2 國內外研究現狀 9
1.2.1 故障診斷研究現狀 9
1.2.2 高速列車轉向架故障診斷研究現狀 20
1.3 本書內容構架 22
參考文獻 23
第2章 基於信號處理的轉向架故障診斷 38
2.1 機械故障信號常規特徵參數 38
2.1.1 時域特徵 38
2.1.2 頻域特徵 44
2.1.3 時頻域特徵 46
2.2 信息測度理論體系 51
2.2.1 信息熵測度指標 51
2.2.2 複雜度指標 52
2.3 基於小波信息熵的轉向架故障特徵分析 53
2.3.1 小波信息熵理論基礎 53
2.3.2 轉向架故障信號小晚嚷鑽波信息熵特徵提取 54
2.3.3 高速列車轉向架故障診斷 59
2.4 基於經驗模態熵的轉向架故障特徵分析 62
2.4.1 聚合經驗模態分解理論 62
2.4.2 經驗模態能量矩特徵提取 66
2.4.3 經驗模態熵特徵提取 68
2.4.4 經驗模態複雜度特徵提取 74
2.5 轉向架性能退戀櫃糠微化的關聯信息測度特徵分析 82
2.5.1 轉向架性能退化估計方法 82
2.5.2 互相關樣本熵 82
2.6 基於複合特徵分析模型的轉向架故障診斷 85
2.6.1 複合信息測度模型 85
2.6.2 多準則特徵選擇 87
2.6.3 流形二次特徵降維 91
參考文獻 95
第3章 基於卷積神經網路的轉向架故障診斷 97
3.1 卷積神經網路模謎故簽型概述 97
3.2 基於一維卷積神經網路的轉向架故障分類 102
3.2.1 一維卷積神經簽企循網路模型 102
3.2.2 故障分類實驗結果分析 106
3.3 基於膠囊神經網路的轉向架故障分類 109
3.3.1 膠囊神經網路模型 109
3.3.2 故障分類實驗結果分析 112
3.4 基於RSNet卷積神經網路的轉向架故障診斷 116
3.4.1 RSNet卷積神經網路模型 116
3.4.2 故障分類實驗結果分析 118
3.4.3 故障定位實驗結果分析 122
參考文獻 123
第4章 基於遞歸神經網路的轉向架故障診斷 124
4.1 遞歸神經放炒網路模型概述 124
4.1.1 循環神經網路 124
4.1.2 長短期記憶網路 125
4.2 基於LSTM的轉向架故障分類 127
4.2.1 LSTM網路模型 127
4.2.2 故障分類實驗結果分析 128
4.2.3 對比實驗結果分析 130
4.2.4 數據特徵擴展及魯棒性驗證 133
4.3 基於LSTM的轉向架部件參數蛻變擬合 138
4.3.1 部件參數蛻變擬合實驗設計 138
4.3.2 固定行車速度的單通道部件參數蛻變擬合分析 141
4.3.3 固定行車速度的全通道部件參數蛻變擬合分析 149
4.4 基於GRU網路的轉向架故障分類 154
4.4.1 GRU網路模型 154
4.4.2 故障分類實驗結果分析 155
4.4.3 部件性能退化程度實驗結果分析 156
4.4.4 對比實驗結果分析——極限梯度提升(XGBoost) 157
參考文獻 159
第5章 基於複合模型的轉向架故障診斷 161
5.1 基於卷笑提少積循環神經網路的轉向架故障分類 161
5.1.1 卷積循環神經網路模型 161
5.1.2 消融實驗 166
5.1.3 與機器學習算法的對比實驗 166
5.1.4 與深度學習算法的埋連嬸轎對比實驗 169
5.2 基於多重卷積循環神經網路的轉向架故障分類與性能退化評估 171
5.2.1 多重卷積循環神經網路模型 172
5.2.2 消融實驗 173
5.2.3 對比實驗結果分析 176
5.2.4 泛化性能結果分析 177
5.3 基於雙域融合DenseNet的轉向架故障診斷 179
5.3.1 DenseNet模型 179
5.3.2 雙域融合網路模型結構 180
5.3.3 實驗數據及流程 182
5.3.4 故障分類實驗結果分析 184
5.3.5 故障定位實驗結果分析 188
5.3.6 基於分類算法的轉向架性能退化評估 189
5.4 基於ICEEMDAN和1D-CNN的轉向架故障診斷 191
5.4.1 ICEEMDAN和1D-CNN模型 191
5.4.2 故障分類實驗結果分析 196
5.4.3 故障定位實驗結果分析 199
參考文獻 203
第6章 未來展望 205
6.1 基於複合神經網路的轉向架智慧型協同故障診斷 205
6.1.1 高速列車轉向架的多感測器最佳化布局 206
6.1.2 高速列車轉向架智慧型協同一次診斷 206
6.1.3 高速列車轉向架智慧型協同二次診斷 207
6.2 前轉向架-車體-後轉向架耦合振動機理分析及故障診斷 207
6.2.1 前轉向架-車體-後轉向架耦合振動機理分析 207
6.2.2 前後轉向架多源振動信號分離與識別 208
6.2.3 多源振動耦合關係下轉向架故障診斷 208
6.3 面向轉向架線上故障診斷的神經網路泛化和輕量化 209
6.3.1 面向多速度、多車型、多軌道的轉向架故障診斷模型泛化 209
6.3.2 面向嵌入式套用的轉向架故障診斷模型輕量化 209
6.3.3 面向線上運行的高速列車轉向架故障診斷模型融合 210
