基于迁移学习和卷积神经网络的牵引电机轴承健康评估方法 |
| |
引用本文: | 蒋玲莉,李书慧,李学军,王广斌,高连斌.基于迁移学习和卷积神经网络的牵引电机轴承健康评估方法[J].交通运输工程学报,2023(3):162-172. |
| |
作者姓名: | 蒋玲莉 李书慧 李学军 王广斌 高连斌 |
| |
作者单位: | 1. 佛山科学技术学院机电工程与自动化学院;2. 岭南师范学院机电工程学院;3. 成都中车电机有限公司 |
| |
基金项目: | 国家重点研发计划(2020YFB2007805); |
| |
摘 要: | 针对牵引电机轴承健康评估中带标签的全寿命周期振动数据获取与可反映轴承性能退化趋势的健康指标构建困难的问题,提出了一种基于迁移学习和卷积神经网络的牵引电机轴承健康评估方法;采用迁移学习,以带标签的轴承全寿命周期数据集为源域数据,以综合试验台数据为目标域数据,构建数据集;采用欠采样与合成少数类过采样技术对全寿命周期数据集进行扩充与平衡,得到了卷积神经网络训练所需的有效样本数量;在时域和频域上提取描述轴承退化过程的特征,利用卷积神经网络,遵循轴承性能退化规律的浴缸曲线,对基本特征进行融合,构造了健康评估指标。分析结果表明:在电机轴承轴电流损伤的健康评估中,所提出的基于迁移学习和卷积神经网络的健康评估方法的准确率为98.17%,遵循直线型、二次函数型和抛物线型退化规律构建健康指标的方法的准确率分别为86.61%、89.56%、91.30%,因此,所提评估方法准确率最大,具有更佳的评估效果,并且实现专家知识与神经网络学习知识的结合,降低了故障特征维度,解决了健康指标构建困难的问题,通过跨设备迁移学习实现了牵引电机轴承的健康评估。
|
关 键 词: | 轨道交通 牵引电机轴承 迁移学习 卷积神经网络 健康评估 |
|