熊健

摘要：近年来，城市轨道交通运营里程的快速增长和运营安全要求的提高使得城市轨道列车安全保障技术面临着巨大挑战，转向架处于异常状态往往会体现在转向架和车体的异常振动上，根据该类机械部件在整个系统中所起的作用和性能退化程度的不同，异常振动信号的体现方式也有所不同。

关键词：转向架；故障诊断；LSTM网络模型

1.研究背景

城市轨道列车走行部转向架机械部件的振动信号一直是用来分析转向架稳定性的一个重要指标。

循环神经网络（RNN）是深度学习中一种善于处理时间序列信息的网络框架，它能够结合前面时间点的信息来分析当前时间点的信息，以此来提取时序信号内部关联性特征。由于转向架振动信号是时序信号，所以利用RNN来对其进行分析是十分符合客观规律的。LSTM网络可以通过对输入数据量、记忆量及输出数据量的控制，来对信息进行一定地取舍，以此来挖掘时序信号内部的关联特征，进而提升分析效率。

城市轨道列车转向架至关重要的一个结构为二级悬挂系统，即：一系悬挂系统和二系悬挂系统。健康状况良好的二级悬挂系统在高速列车行驶时，会对列车的安全稳定运行起到充分的保障作用，因此本文研究的主要目标就是二级悬挂系统，其本身又包括：空气弹簧、横向减振器、垂向减震器、抗侧滚扭杆及一系弹簧等几个主要部件。

本实验选择对列车时速为“120km/h”的转向架振动信号进行故障诊断。……