基于一维卷积神经网络的列车异响识别系统研究

作者：付孟新; 郭世伟^*; 王泽兴; 丁建明

来源：电子测量技术, 2023, 46(14): 9-17.

DOI：10.19651/j.cnki.emt.2211871

• 高速列车
• 异响
• 卷积神经网络
• 诊断识别
• MFCC-1D-MCNN模型

在列车行驶过程中，车内异响可作为反映车辆设备状态的信息源。为此提出一种基于1D-CNN的识别模型，对车辆异响进行识别，并设计列车异响识别系统。首先构建音频数据的试验样本库，然后利用MFCC提取异响数据样本的特征信息。针对列车噪声特征与车辆状态类型间的映射关系复杂、难解耦的问题，构建一种基于MFCC输入的1D-MCNN对异响所蕴含的故障信息进行识别分类。最后对识别模型进行实验与优化，确定MFCC阶数、学习率与批尺寸等模型参数，采用t-SNE算法、混淆矩阵进行模型特征提取的分析评价。试验结果表明该方法对列车异响识别诊断效果较好，准确率达98.38%。

• 出版日期2023
• 单位牵引动力国家重点实验室; 西南交通大学