基于一维卷积神经网络的列车异响识别系统研究

来源：电子测量技术杂志2023年第14期北京时间：

作者：付孟新，郭世伟，王泽兴，丁建明

单位：1.西南交通大学机械工程学院 成都 610031; 2.西南交通大学牵引动力国家重点实验室 成都 610031

摘要：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%。

关键词：高速列车;异响;卷积神经网络;诊断识别;MFCC-1D-MCNN模型

基金资助：四川科技厅重点研发项目(2020YFG0124)、成都科技局重点研发项目（2019-YF05-01823-SN）、中国博士后科学基金(2020M682506)项目资助