一种基于ResNet与GRU的动车组车轴剩余寿命预估方法技术

一种基于ResNet与GRU的动车组车轴剩余寿命预估方法，本发明专利技术公布一种将采集到的高速动车组转向架车轴振动数据通过ResNet进行预处理，通过GRU实现车轴振动数据的特征提取，模拟车轴性能退化趋势，实现车轴的寿命预测，利用GRU网络的记忆单元对时间序列数据具有长短期记忆的特点探究车轴寿命趋势变化规律，建立车轴寿命预测模型，避免了以往由于不能够准确预估转向架车轴的剩余寿命，而采用的计划、预防性维修存在维修不足或过度的现象，造成维修成本和故障率较高等问题。

【技术实现步骤摘要】
一种基于ResNet与GRU的动车组车轴剩余寿命预估方法
本专利技术属于轨道车辆零部件寿命估算方法，尤其是涉及一种基于ResNet与GRU的动车组车轴剩余寿命预估方法。
技术介绍
高速动车组作为高速铁路的重要组成部分，其系统、部件的稳定、可靠运行是保障铁路运输的关键。转向架系统作为动车组的核心部件，其各子部件的健康状态严重影响着动车组的行车安全，由于不能够准确预估转向架各部件的剩余寿命，动车组现阶段采用的计划、预防性维修存在维修不足或过度的现象，造成维修成本和故障率较高等问题。
技术实现思路
本专利技术为了解决现阶段不能够准确预估转向架车轴的剩余寿命而产生维修不足或过度造成维修成本和故障率较高等问题，提出一种通过ResNet预处理车轴振动数据，并通过GRU对车轴振动数据进行特征提取，模拟车轴性能退化趋势，实现车轴的寿命预测。为实现上述专利技术目的，本专利技术提供一种基于ResNet与GRU的动车组车轴剩余寿命预估方法，其特征在于包括下列步骤：1、对采集的不同工况下的转向架车轴振动信号进行FFT变换，得到频域幅本文档来自技高网...

【技术保护点】
1.一种基于ResNet与GRU的动车组车轴剩余寿命预估方法，其特征在于包括下列步骤：/n(1)对采集的不同工况下的转向架车轴振动信号进行FFT变换，得到频域幅值信号数据作为训练集；/n(2)将频域幅值信号用BN算法归一化处理后作为特征输入，车轴的寿命退化比率作为模型的输出以进行训练，公式如下：/n

【技术特征摘要】
1.一种基于ResNet与GRU的动车组车轴剩余寿命预估方法，其特征在于包括下列步骤：
(1)对采集的不同工况下的转向架车轴振动信号进行FFT变换，得到频域幅值信号数据作为训练集；
(2)将频域幅值信号用BN算法归一化处理后作为特征输入，车轴的寿命退化比率作为模型的输出以进行训练，公式如下：



其中，xt∈RN表示车轴在时刻t处的N维特征输入；yt∈[0，1]表示该车轴在t时刻的寿命退化比率；VTRN表示训练集中某一工况下车轴的振动信号数据；R为频域幅值特征矩阵；T为车轴设计寿命运行时间；
(3)选用去除全联接层的VGG16网络作为数据预处理网络，并加入ResNet模块，将归一化后的频域幅值信号作为网络的输入，运用VGG16网络的卷积层、池化层遍历整个输入数据序列，以提取振动信号的深层特征，并运用ResNet模块以提高VGG16网络对数据的深入特征提取能力；
(4)再将池化层输出结果输入到GRU网络中，利用GRU网络的记忆单元对时间序列数据具有长短期记忆的特点探究车轴寿命趋势变化规律，建立车轴寿命预测模型；
(5)对测试集中车轴不同工况的非全寿命时域振动信号进行FFT变换，得到频域幅值信号，并用BN算法进行归一化处理，经步骤3挖掘的深层特征，结合步骤4的寿命趋势变化模型，获取测试集的趋势性量化指标；采用指数平滑法对其进行平滑处理；
(6)利用多项式曲线拟合车轴性能退化趋势，预测车轴的剩余寿命。


2.根据权利要求1所述的基于ResNet与GRU的动车组车轴剩余寿命预估方法，其特征在于：步骤3利用VGG16的卷积操作、局部连接、权值共享特性，并利用ResNet解决梯度消失和信息丢失问题，自动提取数据局部抽象信息以挖掘深层特征。


3.根据权利要求2所述的基于ResNet与GRU的动车组车轴剩余寿命预估方法，其特征在于步骤3的具体实现过程为：
将车轴归一化后的频域幅值信号输入到卷积层中，卷积层的运算公式如式(1)所示：

【专利技术属性】
技术研发人员：邵俊捷，张瑛，王中尧，逯骁，
申请(专利权)人：中车长春轨道客车股份有限公司，
类型：发明
国别省市：吉林;22