计量学报

作者：陈广,孙泽明,马闻达, 张菀

单位：1. 常州朗锐凯迩必减振技术有限公司, 江苏 常州 213125; 2. 中车戚墅堰机车车辆工艺研究所股份有限公司,江苏 常州213011;

关键词：振动测量; 抗蛇行减振器; 故障诊断; 残差卷积; 注意力机制

基金：国家自然科学基金(52005265)

针对高速列车减振器故障特征手工提取困难导致故障识别困难的难题,提出了基于一维残差卷积注意力(1DRCA)的故障诊断算法,对高速列车中抗蛇行减振器4种状态进行识别。首先,构建卷积层进行特征提取,利用卷积块注意力模块在通道和空间维度上进行自适应特征优化;然后,建立残差神经网络模型,利用残差信息调整权值参数;最后,通过试验证明了该方法对于抗蛇行减振器的4种状态的故障识别是可行的,可以准确地识别正常、启动不良、对称速率故障和锯齿波故障,所提出的方法的平均准确率达到99%左右。为了进一步证明所提出模型的泛化性,采用滚动轴承的故障数据来验证了所提出模型的有效性和准确性,结果表明所提的模型较好地实现滚动轴承不同故障状态的诊断。

来源：2024年第7期

《计量学报》期刊编辑部

查看计量学报杂志2024年第7期