基于ISCNN-LightGBM的轴承故障诊断

在传统卷积神经网络与分类器相结合的故障诊断方法中,CNN用于故障特征提取时,存在着提取的特征质量不高与运行时间较长的问题.针对以上问题,本文提出了一种基于改进单层卷积神经网络及LightGBM的故障诊断模型.该模型通过将特征距离函数嵌入CNN的损失函数中,提升了CNN特征提取的能力,增强了CNN与后续分类器之间的联系,从而提升了整体模型的故障诊断能力.于此同时,经过改进的单层的卷积神经网络进一步缩短了模型运行的时间,提升了模型的诊断效率.通过对两个不同的公共数据集进行对比实验,其结果表明,本文所提诊断模型对多种轴承故障的诊断准确率与诊断效率显著高于其他诊断模型.

基于多元统计分析的故障检测方法

作为数据驱动故障检测方法中的重要分支,基于多元统计分析的故障检测方法主要包括主元分析、偏最小二乘、独立元素分析和费舍尔判别分析.本文回顾了上述几种方法,包括数据模型、故障检测的原理及方法优劣.仿真实验说明了几种方法的特性及其故障检测的效果,并探讨了基于数据故障检测方法中的一些问题.

高速列车信息控制系统的故障诊断技术

介绍高速列车故障诊断的研究意义,特别关注高速列车信息控制系统的故障诊断研究工作,给出高速列车信息控制系统的一般性定义.高速列车信息控制系统主要包括牵引传动控制系统、制动控制系统、列车运行控制系统和网络系统.针对每一个子系统,分别阐述其故障诊断技术的研究现状,简要分析相应故障诊断技术的思想与优劣特点.最后探讨高速列车故障诊断研究中亟待解决的问题以及未来可能的研究方向.