基于卷积神经网络的转向架轴承故障诊断分析

传统的故障检测方法依赖人工经验,易误检、漏检,同时需投入大量人力。随着人工智能的蓬勃发展,深度学习算法已经广泛运用于轨道车辆车底故障诊断之中,文章将采集到的信号数据利用频域分析方法转换为时频图,结合CNN进行标签化故障检测和分类。选择小波同步提取变换作为频域分析方法。卷积神经网络在传统模型结构基础上增加了CBAM注意力机制,使用深度可分离卷积减少参数量,结合批量归一化和Dropout等正则化技术进行模型优化。通过数据可视化对比,证明此模型在准确率和训练时长方面有显著提升。

资料为PDF文档格式.

本文档关键词:轴承,转向架,卷积,神经网络,分析