赵春阳，张海峰

（中车长春轨道客车股份有限公司，吉林 长春 130062）

1 模型描述

卷积神经网络是神经网络的一种扩展，其体系结构受到生物视觉系统的启发，使得其拥有非常有用的两个关键特性：空间共享和共享权重。这种学习网络具有平移不变的特征，即滤波器在整个图像中起到很好的作用（由于图像统计是静止的）。汇聚层负责降低输出对轻微输入移位和失真的敏感性。这种类型的神经网络在许多视觉应用已被证明是非常有效的，如目标识别和分割。一个典型的卷积网络是由多个阶段组成的。每个阶段的输出是由一组称为特征映射的二维数组构成的。每个特征映射是在整个图像上应用一个卷积滤波器的结果。非线性压缩函数（如双曲正切）始终遵循汇聚层原则。特征映射是通过在整个图像的次区域中重复应用函数得到的，通过输入线性图像的卷积，加入一个偏置项，然后应用一个非线性函数得到的。如果我们表示第k个特征映射在某一层作为hk，其决定了滤波器的权重WK和偏置BK，然后映射hk如下（双曲正切非线性）：

为了形成更丰富的数据表示，每个隐藏层由多个特征映射组成，{h（k），k＝0…k}。隐含层的权重W可以表示为包含目标要素地图、特征图、垂直位置和水平位置的每个元素的四维向量。偏差b可以表示为每个目标特征映射包含一个元素的向量。

2 轴系统性能分析

我们使用卷积神经网络捕获轴的性能。其中，动车组数据集包括速度、加速度、电流、电压、环境温度和轴颈温度，我们把轴温作为训练目标，以其它数据为输入。……