来源：期刊VIP网 时间：
作者：潘彦龙;易彩;林建辉;李艳萍;申疏伪;
单位：西南交通大学牵引动力国家重点实验室;西南交通大学机械工程学院;
摘要：针对列车运营过程中轮对轴承故障样本与正常样本极不均衡，传统故障识别方法大多依赖单一振动故障样本进行分析的问题，提出基于多源数据与注意力机制改进的卷积神经网络(ICNN)与支持向量域描述(SVDD)的轮对轴承异常状态定性检测方法。根据实车轮对轴承上同一测点采集的正常振冲样本以及台架试验测得的故障振冲样本，随机划分训练集和测试集对ICNN模型进行训练。将训练集中正常样本输入训练后ICNN模型提取正常轴承样本的特征矩阵。将正常样本特征矩阵输入支持向量域描述SVDD模型，训练得到正常样本的安全域。根据划分的测试集对模型的有效性进行测试。相较传统方法，本文方法在准确率、F1分数、召回率方面具有较好的效果，表明ICNN网络可以有效提取轴承信号的特征，有效完成故障样本状态的定性检测。
关键词：列车安全;;多源数据;;注意力机制;;安全域;;故障诊断
基金资助：国家自然科学基金(52272355);; 轨道交通运载系统全国重点实验室自主研究课题(2024RVL-T11)
