论文部分内容阅读
为了提高动车组行车安全,降低轴承维修成本和故障率,文章拟将数字孪生技术与深度迁移算法应用于转向架轴承的预测性维修,通过构建转向架轴承的数字孪生模型,在虚拟环境中生成轴承温度数据正负样本,实现训练无监督的深度学习故障诊断模型.构建一种基于深度迁移学习的轴承故障诊断方法,以解决基于深度学习的轴承故障诊断方法准确性受轴承温度数据样本量不足以及正负样本分布不均衡影响的问题.