基于ITD-SDP图像特征...CNN的道岔转辙机故障诊断 王智超.pdf

铁道学报
Journal of the China Railway Society
ISSN 1001-8360,CN 11-2104/U
1 1 2 3 3
王智超 ， 杨喜旺 ， 黄晋英 ， 赵永军 ， 唐天翼
（1. 中北大学 大数据学院，山西 太原 030051；2. 中北大学 机械工程学院，山西 太原 030051；

造有限公司，山西 太原 030003）
3. 太原市京丰铁路电务器材制
摘 要：针对道岔转辙机故障诊断问题，提出一种基于 ITD-SDP 图像形状特征和深度可分离卷积神经网络

（DSCNN）的故障诊断方法。首先，对时域压力信号使用固有时间尺度分解算法进行分解，获得一系列固有旋转

分量（PRC）；然后，进行对称点模式变换将分解得到的 PRC
映射为雪花图像；最后，通过 DSCNN
算法实现道岔

转辙机的故障诊断，同时与传统的 CNN
模型进行对比。实验结果表明，图像特征能够有效表征道岔转辙机的工

作状态，DSCNN
模型对道岔转辙机 4
种状态的平均诊断准确率达到 %，验证了本方法的有效性和优越性。

关键词：道岔转辙机；固有时间尺度分解；SDP
图像特征；卷积神经网络；故障诊断