基于GASF-CNN的高速列车转向架关键部件劣化状态识别研究

为研究高速列车转向架关键部件劣化状态的识别方法，通过统计抗蛇行减振器服役性能参数的分布特征，同时考虑阻尼和节点刚度变化组合形成5种劣化抗蛇行减振器试验工况，选取新踏面廓形和旋修后运行15万km、25万km的磨耗踏面廓形，进行了劣化状态下车辆动力学响应线路测试。基于实测数据，设计并构建基于GASF-CNN的转向架关键部件劣化状态分类辨识模型，以实测车体和构架横向加速度数据作为模型的训练集和测试集进行分类辨识模型训练，并对模型的泛化能力和识别准确度影响因素进行分析。通过优选数据构造方式、数据滤波、滑动窗口长度和数据通道数量，模型达到了较高的分类准确度，且对列车不同运行方向、不同速度级、不同运行环境等也达到了较好的泛化能力。