闻一波，雷菊阳

（上海工程技术大学机械与汽车工程学院，上海 201620）

0 引言

随着国内各大城市地铁的不断投入使用，列车行驶过程中的安全性和舒适性越来越受到人们的重视，转向架作为列车关键部件成为列车故障研究的重点问题［1］。文献［2］提出了一种聚合经验模态分解的列车转向架故障诊断方法，研究了转向架空气弹簧失气、抗蛇形减振器失效、横向减振器失效等几种常见的列车转向架故障类型；文献［3］结合了信息测度理论与时频分析方法的分析框架，着重研究了列车转向架故障信号特征提取、关键部件性能蜕化估计、多特征融合等问题。

在对转向架状态进行分析时，通常需要在列车上安装一定数量的传感器，进而获取列车在行驶过程中的各种信息以便进行下一步的故障诊断、预测等操作［4］。目前，国内在列车运行状态基于实时监测数据的特征分析技术、列车安全性能分析与评估预警［5-6］等领域获得了大量研究成果。然而随着地铁交通的发展，现有的监测技术及特征分析、安全性能分析及预警维护等研究远不能满足地铁交通发展需求。

近年来，深度学习技术在故障诊断领域的应用逐渐深入［7］。文献［8］以转向架关键部件为研究对象，针对故障信号依据深度学习的降噪自动编解码过程进行故障特征学习，实现转向架故障信号识别；文献［9］为解决同步发电机传统故障诊断方法依赖专家经验和信号处理技术提取故障特征的问题，基于深度置信网络简历诊断模型提高诊断精度；……