基于WT-DBN的车轴疲劳裂纹的故障诊断

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：列车车轴的工作环境复杂,当车轴产生疲劳裂纹时,用现有方法监测裂纹信号的故障信息存在不准确、不全面等问题.针对这一问题,提出一种小波变换与深度信念网络(DBN)相结合的新型诊断方法,以此来实现对车轴疲劳裂纹的故障诊断,试验结果表明:该方法不仅能够从信号数据中自适应地挖掘可用的故障特征,而且诊断准确率可以达到 99.0%.

外文标题：Fault Diagnosis of Axle Fatigue Crack Based on WT-DBN

作者：

林丽、田颖

展开 >

作者单位：

大连交通大学机车车辆工程学院,辽宁大连 116028

关键词：

特征提取小波变换故障诊断深度信念网络

出版年：

2023

DOI：

10.16576/j.ISSN.1007-4414.2023.03.011