基于深度迁移学习的城轨列车齿轮箱故障诊断方法研究

20250107

交通运输、仓储和邮政业

本科技成果的技术来源为原创设计，围绕齿轮箱及轴承故障诊断领域，构建了多种创新性诊断方法与系统，形成了一套完整的智能诊断解决方案。 首先，基于多层卷积门控循环单元的齿轮箱故障诊断方法及装置，以及轴承故障分析与诊断系统，利用多源特征融合的门控循环单元网络模型，提取多源数据信息的时间特征。通过多传感器特征融合算法，将齿轮箱多个测点的振动特征整合为能够全面反映运行状态的综合特征，从而实现高效、准确的故障诊断。这一方法能够针对齿轮箱和轴承的复杂动态特性提供精准的状态评估和问题识别，提升了设备的运行安全性和维护效率。 其次，基于神经网络的齿轮箱故障跨域监测软件，通过接收轴承振动信号并进行预处理，利用特征频率计算、时域分析、频域分析及时频域分析等技术，结合多层模型进行诊断分类，精准确定轴承工作状态。同时，该系统还配备了基础信号分析功能，并通过绘图工具将频谱图和其他分析结果直观地展示在用户界面上，方便用户对诊断结果进行进一步理解和决策支持。 最后，城轨列车齿轮箱故障诊断软件通过“改进的蜣螂优化算法优化的多源域注意力迁移”技术，实现了对关键故障信息的动态关注。该方法结合双通道输入机制与自注意力机制，增强了对关键特征的提取能力，并通过引入混沌局部搜索和Lévy飞行策略等改进措施，显著提升了算法的全局搜索能力和稳定性，从而实现模型超参数的高效优化。 在关键技术指标上，设计的系统采用了深度学习模型、迁移学习模型及优化算法，在计算效率上领先现有方法，围绕不同城轨列车齿轮箱数据集完成的测试实验结果显示最大计算精度提升超过5%。这一成果已在实际应用中得到验证，说明其在提升故障诊断精准度和效率方面的优势。 围绕该成果，已授权1项发明专利，获批3项计算机软件著作权，同时发表相关高水平学术论文24篇。

该成果主要涉及相关的计算机软件产品，拟合作方需提供相应的高性能计算环境，并对相关技术人员进行培训。整体投入资金约200-300万。

可国（境）内外转让

该成果转化后预期为相关企业带来直接经济收益约500-1000万元，并取得较好的社会效益。

北京市自然科学基金丰台前沿项目

北京市科学技术委员会;中关村科技园区管理委员会

本科技成果的技术来源为原创设计，围绕齿轮箱及轴承故障诊断领域，构建了多种创新性诊断方法与系统，形成了一套完整的智能诊断解决方案。 首先，基于多层卷积门控循环单元的齿轮箱故障诊断方法及装置，以及轴承故障分析与诊断系统，利用多源特征融合的门控循环单元网络模型，提取多源数据信息的时间特征。通过多传感器特征融合算法，将齿轮箱多个测点的振动特征整合为能够全面反映运行状态的综合特征，从而实现高效、准确的故障诊断。这一方法能够针对齿轮箱和轴承的复杂动态特性提供精准的状态评估和问题识别，提升了设备的运行安全性和维护效率。 其次，基于神经网络的齿轮箱故障跨域监测软件，通过接收轴承振动信号并进行预处理，利用特征频率计算、时域分析、频域分析及时频域分析等技术，结合多层模型进行诊断分类，精准确定轴承工作状态。同时，该系统还配备了基础信号分析功能，并通过绘图工具将频谱图和其他分析结果直观地展示在用户界面上，方便用户对诊断结果进行进一步理解和决策支持。 最后，城轨列车齿轮箱故障诊断软件通过“改进的蜣螂优化算法优化的多源域注意力迁移”技术，实现了对关键故障信息的动态关注。该方法结合双通道输入机制与自注意力机制，增强了对关键特征的提取能力，并通过引入混沌局部搜索和Lévy飞行策略等改进措施，显著提升了算法的全局搜索能力和稳定性，从而实现模型超参数的高效优化。 在关键技术指标上，设计的系统采用了深度学习模型、迁移学习模型及优化算法，在计算效率上领先现有方法，围绕不同城轨列车齿轮箱数据集完成的测试实验结果显示最大计算精度提升超过5%。这一成果已在实际应用中得到验证，说明其在提升故障诊断精准度和效率方面的优势。这些研发的技术将为城轨列车安全运行提供更加智能化、可靠性的技术支撑，进一步推动轨道交通行业的高质量发展。