《表2 故障数据特征向量(示例)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于小波分析和深度信念网络的牵引系统故障诊断》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

建立基于小波分析和DBN的诊断模型后，可对机车牵引系统进行离线故障诊断。以逆变过流为例，本文选取了200个机车实际运行过程中产生的离线故障数据作为样本，利用专家系统确定对应的故障类别标签，从而构成故障诊断模型的测试集。该测试集包含了7种故障类别标签（表1）。首先通过小波分解获得DCU信号的时频特征，即计算小波能量序列和小波熵，部分结果如表2所示。可以看出，小波能量序列和小波熵在不同故障类别下存在明显差异（如中间直流电压的小波熵值）。然后，基于小波分解获得的DCU信号时频特征，构建深度信念网络模型，将特征向量作为模型的输入数据，在一定程度上提高了模型的训练效率。