摘要
对列车运行过程中的实测振动响应数据进行分析,设计卷积神经网络结构,基于不同标签数据开展网络训练,进行损伤特征提取,实现长期、快速的高铁车轮损伤识别.由于卷积神经网络的黑箱特性,较难理解其损伤识别机理,借助梯度上升方法对卷积神经网络的卷积核进行可视化,通过互功率谱密度对卷积核的响应进行分析寻求特征提取的物理解释.最终将识别结果与深度神经网络、循环神经网络结果对比,卷积神经网络识别精度较高,损伤识别平均正确率达99.40%,精度提高幅度约6%.且卷积神经网络训练参数量较少,在高铁车轮损伤识别方面具有轻型高效的特点.