文献类型：期刊文章

作　　者：牛齐明[1,2] 刘峰[1] 张奕黄[3]

NIU Qiming;LIU Feng;ZHANG Yihuang(School of Computing and Information Technology,Beijing Jiaotong University,Beijing 100044,China;Department of Computer Teaching,Hebei University,Baoding 071002,China;School of Electrical Engineering,Beijing Jiaotong University,Beijing 100044,China)

机构地区：[1]北京交通大学计算机与信息技术学院,北京100044 [2]河北大学计算机教学部,河北保定071002 [3]北京交通大学电气工程学院,北京100044

出　　处：《铁道学报》

基　　金：中国铁路总公司科技研究开发计划(2016J007-B)。

年　　份：2020

卷　　号：42

期　　号：7

起止页码：95-101

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对高速铁路牵引电机滚动轴承健康状态预测问题,提出了基于深度堆叠去噪自编码器累积(DSDAE)和时滞最小二乘支持向量机(TDLSSVM)的预测方法。在提取高速铁路牵引电机滚动轴承健康状态的多种特征后,用深度堆叠去噪自编码器进行特征降维,并累积计算得到相关的健康指标。将健康指标作为训练数据用以构建时滞最小二乘支持向量机(TDSVR)模型,通过对健康指标的预测实现对健康状态进行评估。在公开数据集上做了DSDAE与TDSVR、累积马氏距离(MDCUSUM)与TDSVR、DSDAE与TDLSSVM和MDCUSUM与TDLSSVM四种方案的对比实验;在高速铁路某型号的牵引电机滚动轴承数据集上做了DSDAE与TDLSSVM方案的实验。通过对预测指标的分析可知,DSDAE与TDLSSVM方案可以很好地预测滚动轴承的健康状态变化趋势。

关 键 词：高速铁路装备  故障预测与健康管理 健康指标  状态预测  滚动轴承

分 类 号：U260.33]