首页期刊导航|西南交通大学学报
期刊信息/Journal information
西南交通大学学报
西南交通大学
西南交通大学学报

西南交通大学

翟婉明

双月刊

0258-2724

xbz@home.swjtu.edu.cn

028-87600552、87600550、87600551

610031

四川省成都市二环路北一段

西南交通大学学报/Journal Journal of Southwest Jiaotong UniversityCSCD北大核心CSTPCDEI
查看更多>>本刊为全国核心期刊,并被《中国科学引文数据库》和《中国科技论文统计》收录为来源期刊。主要刊登理工类和经济管理等学科的基础理论研究、应用研究、实验研究、学术讨论等方面的学术论文以及科技信息报道。
正式出版
收录年代

    基于联邦学习的多线路高速列车转向架故障诊断

    杜家豪秦娜贾鑫明张一鸣...
    185-192页
    查看更多>>摘要:单一线路高速列车转向架缺少足量故障数据特征,导致故障诊断模型泛化能力有限,为实现诊断多条线路高速列车的转向架故障,提出一种基于联邦学习的转向架全局故障诊断方法.针对每条线路各自的转向架振动信号,在本地使用多尺度卷积融合算法,提取不同尺度下的故障特征并融合,在本地建立局部转向架故障诊断模型;在不泄露数据隐私的前提下,所有线路的故障诊断模型通过第三方聚合,调整模型参数权重,对故障诊断模型进行优化,最终实现多方联合训练转向架全局故障诊断模型.实验表明:在联邦学习框架下,转向架全局故障诊断模型不仅对参与联邦建模的线路转向架故障诊断准确率达到 93%以上,而且对于未参与联邦建模的线路转向架故障诊断率也可达到 75%以上,给轨道交通中的"数据孤岛"问题提供了一种切实可行的方案.

    联邦学习故障诊断转向架高速列车

    基于轻量级卷积网络的铣削粗糙度在机监测研究

    刘岳开高宏力郭亮由智超...
    193-200页
    查看更多>>摘要:传统机器学习类方法对光源类型、设备安装误差等因素较为敏感,需要反复调试与实验,难以实现规模化生产的自动检测.针对上述问题,提出了一种铣削粗糙度在机监测方法,有效提升了检测效率和准确性.首先,采用低感度参数设置的方向梯度直方图特征的候选框提取算子实现铣削工件的定位,并基于点匹配算法校正安装误差;然后,通过清晰度评价指标实现工业相机对焦过程优化;最后,构建了一种面向移动端实时计算的轻量级卷积神经网络模型,可对不同粗糙度工件表面纹理进行分类,并在立铣加工纹理数据集上进行了实验验证.实验结果表明:相比普通卷积神经网络,在模型复杂度相似的情况下,以乘、加运算次数为指标,提出模型推理所需运算量减少 55%;代价敏感函数的引入能有效提升粗糙度识别模型对不平衡数据的稳定性;所提方法与传统机器学习方法相比,在检测帧率、图像分辨率相同的实验条件下,精准率、召回率分别提高了8%、21%.

    粗糙度测量加工表面纹理深度可分离卷积方向梯度直方图移动端实时计算计算机视觉

    基于多带加权包络谱的轴箱轴承故障诊断

    陈丙炎谷丰收张卫华宋冬利...
    201-210页
    查看更多>>摘要:为增强复杂噪声干扰下轴箱轴承故障检测的鲁棒性,基于循环谱分析并考虑轴承故障信息分布差异和阈值降噪,对轴箱轴承故障诊断的包络谱构造方法进行了研究.首先,提出频域信噪比作为轴承故障信息量化的新测度,用于评估谱相干中不同谱频带内的轴承故障相关信息;其次,构造以谱频率为变量的故障特征信息分布函数,并自适应确定信息阈值来辨识谱相干中故障信息丰富和干扰噪声主导的谱频率分量,进一步基于故障特征信息分布函数和信息阈值设计权重函数;最后,由谱相干和权重函数生成融合多带信息的多带加权包络谱,通过分析谱中的轴承故障特征频率来检测轴箱轴承的不同故障.铁路轴箱轴承实验数据的分析结果表明:相比于基于谱相干的典型包络谱方法,多带加权包络谱能够在复杂噪声干扰下准确识别轴箱轴承的外圈、滚动体和内圈故障,并能取得更高的性能量化指标(频域信噪比和负熵).

    故障诊断铁路轴承循环谱分析包络谱信噪比

    基于轴箱高频振动的车轮不圆辨识方法研究

    魏来曾京高浩屈升...
    211-219页
    查看更多>>摘要:为实现对高速列车车轮高阶不圆的实时检测,研究了轴箱高频振动与车轮不圆的频谱特征和映射关系,采用频域积分方法对车轮不圆的幅值和阶次进行辨识.首先,通过静态测试和台架试验,研究我国高速铁路车轮多边形、钢轨波磨和轨道模态的表现形式;其次,通过高速列车长期服役性能跟踪试验,掌握转向架轴箱振动的时频特征和演化规律;最后,以现场出现车轮 20阶多边形的车辆为研究对象,提出基于频域积分的车轮不圆阶次和幅值辨识方法.研究结果表明:CRTS-Ⅱ型轨道板钢轨三阶弯曲频率为 592 Hz;列车以 300 km/h运行时,20阶车轮多边形和 136 mm波长钢轨波磨的响应频率分别为 580 Hz和 613 Hz;钢轨模态、车轮多边形以及钢轨波磨的振动主频较为集中,轴箱高频振动幅值随车速和镟后里程的增大而增大;采用加速度频域积分方法,从理论上可实现对车轮不圆幅值和阶次的辨识;基于线路实测轴箱加速度的 20阶车轮多边形辨识结果与静态测试值相对误差不超过5%.

    高速列车车轮不圆轴箱振动时频分析辨识方法

    无转速阶次跟踪的滚动轴承故障诊断方法

    韩佳霖高宏力郭亮刘学...
    220-228页
    查看更多>>摘要:机械装备轴承运行速度多变导致振动监测信号频谱模糊,一定程度影响了轴承故障诊断的准确性.目前的无转速阶次跟踪技术在转速波动较小且转频谐波不重叠时效果较好,但当轴承转频谐波重叠时则难以进行分析.针对以上问题,提出了一种基于广义解调的无转速阶次跟踪轴承故障诊断方法.首先,采用广义傅里叶变换和改进的基于成本函数脊线提取技术准确提取出轴承的转频谐波分量;同时,采用快速谱峭度算法和带通滤波器对轴承振动信号进行去噪处理;然后,通过角度重采样将去噪后的时域信号转换为角域信号;最后,通过包络谱分析得到轴承的阶次谱信息,从而识别轴承的故障类型.研究结果表明:通过数值模拟信号和实际轴承监测信号验证了提出方法的有效性,通过与传统包络谱方法对比可知,提出的方法可进行无转速信息时的滚动轴承阶次跟踪故障诊断.

    阶次跟踪故障诊断广义傅里叶变换成本函数

    监测数据驱动的城轨列车轴箱轴承剩余寿命预测

    王彪秦勇贾利民程晓卿...
    229-238页
    查看更多>>摘要:城轨列车轴箱轴承的运行工况复杂多变、外部随机干扰频繁,导致其监测数据中包含大量测量噪声乃至"脏"数据,进而制约了剩余寿命预测模型的精度.为解决上述问题,提出了一种监测数据驱动的动态多重聚合剩余寿命预测方法.首先,通过度量短时数据的幅值分布相似性自动识别并清洗"脏"数据;然后,将健康指标按不同时间尺度进行动态聚合,预测出各类潜在的未来退化轨迹,进而获得轴箱轴承的剩余寿命预测均值与方差;并使用现场实测数据与加速寿命实验数据对提出方法进行验证.结果表明:所提方法能有效剔除监测数据中的空采数据和强干扰数据;剩余寿命预测均值随累计行驶里程的增加逐渐收敛到真实值,且 95%置信区间越来越窄;相比于单指数预测模型和混合预测模型,提出方法的累计相对精度平均值分别提高了 29.78%和 27.63%,预测收敛速度平均值分别增加了10.56%和10.20%.

    城轨列车轴箱轴承剩余寿命数据驱动多重聚合预测