對列車運行過程中的實測振動響應(yīng)數(shù)據(jù)進行分析,設(shè)計卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),基于不同標簽數(shù)據(jù)開展網(wǎng)絡(luò)訓(xùn)練,進行損傷特征提取,實現(xiàn)長期、快速的高鐵車輪損傷識別.由于卷積神經(jīng)網(wǎng)絡(luò)的黑箱特性,較難理解其損傷識別機理,借助梯度上升方法對卷積神經(jīng)網(wǎng)絡(luò)的卷積核進行可視化,通過互功率譜密度對卷積核的響應(yīng)進行分析尋求特征提取的物理解釋.最終將識別結(jié)果與深度神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)果對比,卷積神經(jīng)網(wǎng)絡(luò)識別精度較高,損傷識別平均正確率達99.40%,精度提高幅度約6%.且卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)量較少,在高鐵車輪損傷識別方面具有輕型高效的特點.

【文章頁數(shù)】：7 頁

【文章目錄】：
1 車體響應(yīng)監(jiān)測系統(tǒng)
2 數(shù)據(jù)標簽及數(shù)據(jù)預(yù)處理
3 基于卷積神經(jīng)網(wǎng)絡(luò)的車輪損傷識別
    3.1 損傷識別卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    3.2 損傷識別卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練
    3.3 卷積神經(jīng)網(wǎng)絡(luò)的可視化
    3.4 深度學(xué)習(xí)對比分類器
    3.5 損傷識別結(jié)果
4 結(jié) 論



本文編號：3760991