地铁及地铁转向架运行状态识别方法、系统技术方案

本发明专利技术公开了一种地铁及地铁转向架运行状态识别方法、系统，包括采用多传感器采集地铁转向架的运行数据，对运行数据进行去噪处理，再对运行数据进行多域特征提取，以提取的多域特征和运行状态对卷积神经网络模型进行训练，并在训练的同时采用粒子群优化算法对模型的参数进行优化；采用多传感器获取运行数据，使数据来源更加可靠；多域特征对模型进行训练，能够得到更可靠的识别结果；采用粒子群优化算法对模型参数、分类器参数进行优化，使模型更加可靠，从而使地铁转向架运行状态识别结果具有良好的可靠性。

【技术实现步骤摘要】
地铁及地铁转向架运行状态识别方法、系统
本专利技术属于地铁转向架状态识别
，尤其涉及一种基于多特征域卷积神经网络的地铁转向架运行状态识别方法、系统、以及地铁。
技术介绍
地铁是城市轨道交通的有益补充。地铁车辆中转向架位于地铁车辆的最下部、车体与轨道之间，它承受和传递来自车体及线路的各种载荷，同时缓和其动力作用。地铁转向架主要由构架(无摇枕、H型)、轮对组成、一系悬挂、二系悬挂、抗侧滚扭杆、基础制动系统、中央牵引单元、轮缘润滑系统组成及辅助装置等零部件组成，是地铁车辆的最重要的组成部件之一，其运行状态的及时识别，对地铁车辆安全可靠地运行具有重大意义。由于地铁车辆转向架结构的复杂性、运行状态中各种影响因素的不确定性和非线性性，导致常规的单特征域状态识别方法难以对地铁转向架的运行状态进行有效识别，这将导致识别结果的可靠性降低。卷积神经网络是一种包含了卷积计算的算法，具有深度结构的前馈神经网络，它是深度学习的典型算法之一。卷积神经网络结构包括输入层、输出层、卷积层、池化层、全连接层。卷积神经网络模型是通过基于梯度下降法最小化损失函本文档来自技高网...

【技术保护点】
1.一种地铁转向架运行状态识别方法，其特征在于，包括以下步骤：/n获取地铁转向架的运行数据；/n对所述运行数据进行去噪处理，得到无噪运行数据；/n对所述无噪运行数据进行敏感特征提取，所述敏感特征包括时域特征、频域特征以及时频域特征，由所述敏感特征构成的敏感特征向量作为卷积神经网络模型的输入特征向量；/n根据所述敏感特征向量和地铁转向架的运行状态构建卷积神经网络模型；/n以所述输入特征向量作为输入训练样本，以所述地铁转向架的运行状态作为输出训练样本，对所述卷积神经网络模型进行训练，在训练的同时采用粒子群优化算法对所述卷积神经网络模型的参数、softmax分类器参数进行优化，得到训练好的卷积神经网...

【技术特征摘要】
1.一种地铁转向架运行状态识别方法，其特征在于，包括以下步骤：
获取地铁转向架的运行数据；
对所述运行数据进行去噪处理，得到无噪运行数据；
对所述无噪运行数据进行敏感特征提取，所述敏感特征包括时域特征、频域特征以及时频域特征，由所述敏感特征构成的敏感特征向量作为卷积神经网络模型的输入特征向量；
根据所述敏感特征向量和地铁转向架的运行状态构建卷积神经网络模型；
以所述输入特征向量作为输入训练样本，以所述地铁转向架的运行状态作为输出训练样本，对所述卷积神经网络模型进行训练，在训练的同时采用粒子群优化算法对所述卷积神经网络模型的参数、softmax分类器参数进行优化，得到训练好的卷积神经网络模型。


2.如权利要求1所述的一种地铁转向架运行状态识别方法，其特征在于，所述运行数据是由四个三向加速度传感器采集而获取的，四个所述三向加速度传感器分别安装于地铁转向架的轮对附近。


3.如权利要求1所述的一种地铁转向架运行状态识别方法，其特征在于，采用小波包多阈值去噪法对所述运行数据进行去噪处理。


4.如权利要求1所述的一种地铁转向架运行状态识别方法，其特征在于，所述时域特征包括峰-峰值、均值、方差、斜度、波形因子以及峰值因子值；
所述频域特征为频率方差。


5.如权利要求1所述的一种地铁转向架运行状态识别方法，其特征在于，采用快速互补集合经验模态分解提取所述时频域特征，具体实现过程为：
对所述无噪运行数据进行快速互补集合经验模态分解得到多个IMF分量和一个剩余分量；
对每个所述IMF分量进行傅里叶变换并计算频域的总能量，所述总能量作为时频域特征。


6.如权利要求1～5中任一项所述的一种地铁转向架运行状态识别方法，其特征在于，所述卷积神经网络模型包括输入层、...

【专利技术属性】
技术研发人员：刘翊，谢锋云，沈意平，沈龙江，王雪芳，任科生，覃事东，李书，
申请(专利权)人：中车株洲电力机车有限公司，
类型：发明
国别省市：湖南;43