来源：期刊VIP网 时间：
作者：彭佳宁;池茂儒;梁树林;许文天;崔利通;戴成昊;
单位：西南交通大学轨道交通运载系统全国重点实验室;中车长春轨道客车股份有限公司;
摘要：高速列车轮轨状态对车辆服役安全性影响较大,轮轨状态不良会加剧轮轨间相互作用,不仅影响车辆运营安全,而且对乘客乘坐舒适性产生影响。在轮轨不良状态中,车轮多边形和钢轨波磨问题尤为突出,传统车载轮轨监测方法诊断精度较低、结果反馈不及时,易导致轮轨状态持续恶化,所以轮轨状态的高质量快速诊断问题亟待解决。建立某型高速动车组刚柔耦合模型,制作了干扰性较强的轮轨不良状态数据集,仿真获得不同工况下的轴箱垂向振动加速度,提出一种基于轴箱垂向振动加速度的时、频域特征融合变维卷积神经网络对轮轨状态进行识别,实现了对列车轮轨状态快速、准确识别,解决了时频分析、主成分分析方法以及现有车载轮轨状态监测系统在复杂工况下轮轨状态判别困难的问题。该诊断模型在一维卷积神经网络对振动时间序列和对应频谱序列进行快速降维的基础上,将时、频特征融合并升维重排形成时频特征图,采用二维卷积神经网络对小尺寸时频特征图进行特征提取和轮轨状态判别。结果表明,该模型在无需进行复杂信号处理和信号主成分分析的情况下,仿真测试集准确率达到95%以上,实测数据集准确率较高且响应时间较短,研究成果对轮轨健康在线监测具有一定的理论意义。
关键词：高速列车;;车轮多边形;;钢轨波磨;;特征融合;;变维卷积神经网络
基金资助：四川省科技计划项目(2023YFH0049);; 中国国家铁路集团有限公司科技研究开发计划重点课题(N2023J043)
