深度学习优化高速机电故障诊断

邓 磊, 刘伟 斌*
宁波交投公路营运管理有限公司甬北分公司

摘要


随着信息技术和智能制造的快速发展，高速机电系统在航空、轨道交通及自动化生产等领域中得到广泛应用，对其运行安全与故障诊断提出更高要求。然而，传统方法在处理非平稳、高噪声、多源异构的故障信号时，存在特征提取依赖强、泛化能力弱、响应延迟大等突出问题。基于此，文章聚焦深度学习技术在高速机电故障诊断中的优化应用，从模型结构设计、特征表达能力、多工况适应性训练策略以及工业部署可行性四个维度展开深入分析，旨在提升诊断系统的精度、鲁棒性与实用性，为构建高效、可部署的智能感知系统提供理论基础与技术路径。

关键词


深度学习；高速机电系统；故障诊断

全文:

PDF


参考


[1]周健树，向月，张新，等.基于深度强化学习的高速公路服务区新能源充电站两阶段优化调控策略[J].中国电机工程学报，2025，45（11）：4130-4144.

[2]徐凯，张皓桐，张淼，等.基于深度强化学习的高速列车驾驶策略优化[J].铁道科学与工程学报，2025，22（01）：25-37.

[3]常文斌.基于GPU的卷积类算法的实现与优化[D].大连海洋大学，2024.

[4]陈世康.基于进化卷积神经网络的滚动轴承故障诊断方法研究[D].石家庄铁道大学，2024.

[5]蓝祝愿.高速列车群协同运行控制优化研究[D].华东交通大学，2024.


Refbacks

  • 当前没有refback。