基于深度学习高速列车轴承故障检测方法

2021-09-28马凌宇

中国科技纵横 2021年14期

马凌宇

（哈尔滨市科佳通用机电股份有限公司，黑龙江哈尔滨 150060）

0.引言

高速列车的快速发展，对我国交通事业、经济水平等方面的发展产生积极影响，实现人们出行方式的转变，但高速列车快速行驶过程中，一旦出现故障，则会承受较大的经济损失。重视高速列车运行安全，成为人们关注的重点问题。轴承是高速列车的重要组成部件，在高速列车走行部故障诊断中，轴承故障成为关注重点，轴承在高速列车长时间运行中出现磨损或者性能下降等问题，降低轴承的安全性[1-2]。

1.深度卷积神经网络

在目标识别、图像分类等领域中，深度神经网络发挥着重要作用，其了利用神经网络实现大脑识别过程的有效模拟，利用多个卷积层和池化层的不断交替实现对图像特征的处理，图像识别主要将图像特征与分类器币的相结合实现。深度卷积网络主要包含LeNet模型、AletNet网络等，前者可实现字符识别，并且利用卷积操作实现特征提取，以映射到空间均值实现池化；后者可实现图像分类，且利用ReLU（校正线性单元）激活函数，局部归一化等方法实现网络学习能力的提升。而且AletNet网络主要包含5个卷积层、3个全连接层，可实现最大池化的发挥，降低平均池化出现的模糊化效果，提升了特征的丰富性。