摘要
本发明公开了一种基于改进CWT‑CNN的智能轨道故障诊断方法及系统,方法包括:根据连续小波变换对钢轨振动信号分解,得到包含故障特征的目标钢轨振动子信号,并计算各个目标钢轨振动子信号的小波熵;根据熵异化重构对比策略对小波熵进行重构,得到目标小波熵;将钢轨振动信号输入至预设的压缩激励谐振网络,压缩激励谐振网络输出得到与目标小波熵同纬度的特征信息,并将特征信息与目标小波熵进行融合,得到融合特征信号;根据融合特征信号以及与融合特征信号相对应的故障标签对优化卷积神经网络进行迭代训练,得到轨道故障诊断模型。可以提高轨道故障类型识别准确性,实现对轨道故障的实时诊断。
技术关键词
故障诊断模型
智能轨道
故障诊断方法
连续小波变换
优化卷积神经网络
融合特征
钢轨
振动子
信号
故障特征
表达式
小波熵降维
重构
策略
粒子群算法
构建卷积神经网络
谐振
矩阵
系统为您推荐了相关专利信息
故障诊断方法
样本
卷积神经网络模型
融合特征
滑动窗口算法
智能吊舱
异常点
智能故障诊断方法
时间序列特征
区域特征分析
故障诊断方法
工件
实时数据
挂车结构
时间序列分析技术
故障分类模型
故障诊断方法
多尺度特征
工况
联合损失函数