典型文献
考虑多普勒效应的列车轴承参数驱动声学故障诊断模型
文献摘要：
在轨边声学检测过程中,列车轴承信号由于受到多普勒效应的影响,会导致其轴承故障诊断准确性下降,针对这一问题,提出了一种基于参数驱动学习模型的列车轴承声学智能故障诊断方法.首先,对列车轴承振动信号受多普勒效应影响导致失真的因素进行了分析,提出了故障诊断方法,即在前期样本不平衡情况下,利用运动学参数驱动的安全域模型(KPD-SRM)进行诊断;在后期样本平衡情况下,利用运动学参数驱动的一维卷积神经网络(KPD-CNN)进行诊断;然后,在仿真情况下,利用该方法分别对样本不平衡和样本平衡的10种不同故障类型的轴承样本进行了故障诊断,计算了其故障诊断的准确率;最后,在实验情况下,利用该方法分别对样本不平衡和样本平衡的4种不同故障类型的轴承样本进行了故障诊断,并计算了其故障诊断的准确率.研究结果表明:在样本不平衡和样本平衡两种情况下,仿真案例的诊断准确率分别达到97.5％和96％,实验案例的诊断准确率分别达到93.5％和97％;参数驱动学习模型可以在不经过复杂的信号校正情况下,有效利用历史数据提高其故障诊断的准确率,且其诊断的准确率随着监测样本的增加而不断提高.
文献关键词：
轮对轴承;轨边声学检测系统;信号校正;运动学参数驱动安全域模型;运动学参数驱动卷积神经网络;故障诊断准确率;样本不平衡
中图分类号：
作者姓名：
滕繁荣;刘方;翟中平;侯超强;翟涛涛;刘永斌
作者机构：
安徽大学电气工程与自动化学院,安徽合肥230601;中国科学技术大学精密机械与精密仪器系,安徽合肥230027
文献出处：
引用格式：
[1]滕繁荣;刘方;翟中平;侯超强;翟涛涛;刘永斌-.考虑多普勒效应的列车轴承参数驱动声学故障诊断模型)[J].机电工程,2022(09):1175-1184
A类：
轨边声学检测系统,运动学参数驱动安全域模型,运动学参数驱动卷积神经网络
B类：
多普勒效应,列车轴承,轴承参数,声学故障,故障诊断模型,在轨,检测过程,轴承故障诊断,诊断准确性,智能故障诊断,故障诊断方法,轴承振动,振动信号,响导,失真,样本不平衡,衡情,KPD,SRM,样本平衡,一维卷积神经网络,真情,故障类型,实验案例,不经,信号校正,历史数据,轮对轴承,故障诊断准确率
AB值：
0.220703
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
