第1章軌道交通軸承故障診斷概述

1.1軌道交通軸承故障診斷意義及內容

1.1.1軌道交通軸承故障診斷意義

1.1.2軌道交通軸承故障診斷內容

1.2軌道交通軸承故障診斷方法及其發展

1.2.1軸承故障診斷方法分類

1.2.2軸承振動信號故障診斷發展

1.3軌道交通軸承故障振動診斷方法

1.3.1基於振動信號分析的方法

1.3.2基於數據驅動的診斷方法

第2章軌道交通軸承結構及振動機理

2.1軌道交通軸承結構

2.1.1軌道交通運用軸承分類

2.1.2軌道交通軸承結構分析

2.1.3軌道交通軸承故障表現

2.1.4軌道交通軸承故障原因

2.2軌道交通軸承振動機理

2.2.1滾動軸承的固有振動

2.2.2涉及軸承載荷及彈性的振動

2.2.3軸承制造或裝配不良引起的振動

2.2.4軸承各類故障引起的振動

第3章軌道交通軸承故障診斷技術概述

3.1軸承振動信號采集與預處理技術

3.1.1軸承振動信號采集技術

3.1.2軸承振動信號數據預處理技術

3.2軌道交通軸承故障特征提取技術

3.2.1軸承振動信號故障時域特征提取方法

3.2.2軸承振動信號故障頻域特征提取方法

3.2.3基於希爾伯特包絡分析故障特征提取方法

3.2.4基於小波包包絡分析故障特征提取方法

3.2.5基於經驗模態分解故障特征提取方法

3.2.6基於局部均值分解故障特征提取方法

3.2.7基於變分模態分解故障特征提取方法

3.3軌道交通軸承故障特征選擇技術

3.3.1基於主成分分析的特征選擇方法

3.3.2基於線性判別分析的特征選擇方法

3.3.3基於信息熵的量化特征選擇方法

3.3.4基於自編碼器的特征選擇方法

3.4軌道交通軸承故障智能診斷技術

3.4.1人工神經網絡

3.4.2支持向量機

3.4.3決策樹

3.4.4卷積神經網絡

3.4.5深度信念網絡

3.4.6循環神經網絡

第4章基於卷積神經網絡的軸承故障診斷方法

4.1基於卷積神經網絡軸承故障診斷工作原理

4.1.1基於卷積神經網絡軸承故障診斷網絡結構

4.1.2基於卷積神經網絡軸承故障診斷建模機理

4.1.3基於卷積神經網絡軸承故障診斷建模策略

4.2基於卷積神經網絡的軸承故障診斷模型構建方法

4.2.1基於卷積神經網絡軸承故障診斷模型構建流程

4.2.2一種基於WKCNN軸承故障診斷模型構建算法

4.3基於卷積神經網絡的軸承故障診斷模型實驗

4.3.1基於WKCNN軸承故障診斷數據源

4.3.2基於WKCNN軸承故障診斷模型構建實驗

4.3.3基於WKCNN軸承故障診斷模型驗證實驗

第5章基於深度信念網絡的軸承故障診斷方法

5.1基於深度信念網絡故障診斷工作原理

5.1.1基於深度信念網絡的軸承故障診斷網絡結構

5.1.2基於深度信念網絡的軸承故障診斷建模機理

5.2基於深度信念網絡的軸承故障診斷模型構建

5.2.1基於深度信念網絡的軸承故障診斷模型構建流程

5.2.2基於深度信念網絡的軸承故障診斷模型構建算法

5.3基於深度信念網絡的軸承故障診斷模型實驗

5.3.1基於深度信念網絡的軸承故障診斷數據源

5.3.2基於深度信念網絡的軸承故障診斷模型構建實驗

5.4一種基於MCELF的DBN軸承故障診斷加速方法

5.4.1基於MCELF的故障診斷加速方法

5.4.2基於MCELF的加速DBN故障診斷的模型構建
算法

5.4.3基於MCELF的加速DBN故障診斷的模型實驗

第6章基於循環神經網絡的軸承故障診斷方法

6.1基於循環神經網絡故障診斷工作原理

6.1.1基於循環神經網絡的軸承故障診斷網絡結構

6.1.2基於循環神經網絡的軸承故障診斷建模機理

6.1.3長短期記憶網絡LSTM工作原理

6.1.4門限GRU網絡工作原理

6.2基於循環神經網絡的軸承故障診斷模型構建

6.2.1基於循環神經網絡的軸承故障診斷模型構建流程

6.2.2一種基於LGL軸承故障診斷模型構建算法

6.3基於循環神經網絡的軸承故障診斷模型實驗

6.3.1基於LGL軸承故障診斷數據源

6.3.2基於LGL軸承故障診斷模型構建實驗

6.3.3基於LGL軸承故障診斷模型驗證實驗

第7章基於集成學習的軸承故障智能診斷方法

7.1基於集成學習的故障診斷工作原理

7.1.1集成學習方法及Stacking算法

7.1.2基於集成學習的故障診斷網絡結構

7.2基於集成學習的軸承故障診斷模型構建

7.2.1基於集成學習的軸承故障診斷模型構建方法

7.2.2基於集成學習的軸承故障診斷模型構建流程

7.3基於集成學習的軸承故障診斷模型實驗

7.3.1基於集成學習的軸承故障診斷數據源

7.3.2基於集成學習軸承故障診斷模型構建實驗

第8章基於遷移學習的變工況軸承故障智能診斷方法

8.1基於遷移學習的變工況軸承故障診斷工作原理

8.1.1基於遷移學習的變工況故障診斷網絡結構

8.1.2一種改進彈性網正則化的遷移學習方法

8.2基於遷移學習的變工況軸承故障診斷模型構建

8.2.1基於遷移學習的變工況軸承故障診斷模型構建
流程

8.2.2基於遷移學習的變工況軸承故障診斷模型構建
算法

8.3基於遷移學習的變工況軸承故障診斷模型實驗

8.3.1變工況軸承故障診斷數據源

8.3.2變工況軸承故障診斷模型實驗

第9章基於大數據平臺的軸承故障智能診斷方法

9.1大數據Hadoop平臺工作原理

9.1.1Hadoop大數據平臺框架

9.1.2Hadoop分布式文件繫統HDFS

9.1.3Hadoop分布式計算MapReduce

9.1.4Hadoop資源管理器Yarn

9.2基於Hadoop的軸承故障診斷平臺設計與實現

9.2.1基於Hadoop的軸承故障診斷平臺設計

9.2.2基於Hadoop的軸承故障診斷平臺實現

9.3基於Hadoop的軸承故障診斷實驗

9.3.1基於Hadoop分布式存儲的軸承故障診斷實驗

9.3.2基於Hadoop分布式計算的軸承故障診斷實驗

第10章軌道交通軸承故障智能診斷繫統設計與實現

10.1軌道交通軸承故障智能診斷繫統設計

10.1.1故障智能診斷繫統平臺框架設計

10.1.2故障智能診斷繫統平臺功能設計

10.2軌道交通軸承故障智能診斷繫統實現

10.2.1故障智能診斷繫統實現技術框架

10.2.2軸承故障智能診斷繫統核心模塊展示

參考文獻

附錄英文縮略詞及術語

隨著軌道交通的快速發展，其運營安全日益受到人們的廣泛關注。軌道交通軸承的運行狀態往往決定了整個車輛的運行安全，其運行狀態將隨著工作時間的推移逐漸發生退化。為切實保障軌道交通運營安全，有必要為軌道交通軸承運用提供準確、高效的軸承故障診斷方法和技術。當前，隨著大數據技術以及人工智能的發展，面向數據驅動的基於機器學習的故障診斷方法已經成為軌道交通軸承故障診斷方法中最有效、最常用的方法，其研究受到越來越多國內外學者的關注，成為當今前沿科學技術研究的熱點之一。

為了繫統總結本書作者在這一領域取得的研究成果，特撰寫了《面向深度學習和大數據的軌道交通軸承故障智能診斷方法》一書，以滿足相關領域研究人員學習和研究的需求。

本書以提高軌道交通軸承故障診斷的準確性和高效性為目標，結合深度學習和大數據技術等領域最新成果，繫統地介紹了軌道交通軸承故障智能診斷模型構建的方法和技術。全書共10章，主要內容包括： 軌道交通軸承故障診斷概述、軌道交通軸承結構及振動機理、軌道交通軸承故障診斷技術概述、基於卷積神經網絡的軸承故障診斷方法、基於深度信念網絡的軸承故障診斷方法、基於循環神經網絡的軸承故障診斷方法、基於集成學習的軸承故障智能診斷方法、
基於遷移學習的
變工況軸承故障智能診斷方法、基於大數據平臺的軸承故障智能診斷方法、軌道交通軸承故障智能診斷繫統設計與實現。
本書特色在於融合面向深度學習和大數據的故障診斷智能方法與軸承故障診斷智能技術應用，很好地將故障診斷概念、深度學習、大數據技術及故障診斷應用結合在一起，便於讀者能夠更好理解深度學習基本方法、更快掌握故障智能診斷前沿技術。

第1章主要概述
軌道交通軸承故障診斷，包括軌道交通軸承故障診斷的意義與內容、軸承故障診斷方法分類與軸承振動信號故障診斷
的發展，以及基於振動信號分析和基於數據驅動的兩種軌道交通軸承故障振動診斷的方法。

第2章主要介紹軌道交通軸承結構及軸承振動機理，包括軌道交通軸承分類、軸承結構分析、軸承故障表現與故障原因，軌道交通軸承固有振動、涉及軸承載荷及彈性的振動、軸承制造或裝配不良引起的振動、軸承各類故障引起的振動。

第3章主要概述
軌道交通軸承故障診斷技術，介紹了軸承振動信號采集和信號數據預處理技術，軌道交通軸承故障特征提取技術與特征選擇技術，以及軌道交通軸承故障模式智能診斷技術。

第4章提出一種基於卷積神經網絡的軸承故障診斷方法，介紹了基於卷積神經網絡軸承故障診斷網絡結構、建模機理與建模策略，基於卷積神經網絡軸承故障診斷模型構建流程與構建算法，基於卷積神經網絡軸承故障診斷模型構建實驗與模型驗證實驗。

第5章提出一種基於深度信念網絡的軸承故障診斷方法以及一種加速深度信念網絡軸承故障診斷方法，
介紹了基於深度信念網絡的軸承故障診斷網絡結構與建模機理、基於深度信念網絡的軸承故障診斷模型構建流程與構建算法、基於深度信念網絡的軸承故障診斷模型實驗，以及一種基於多級復合指數損失函數的深度信念網絡軸承故障診斷加速方法。

第6章提出一種基於循環神經網絡的軸承故障診斷方法，介紹了基於循環神經網絡的軸承故障診斷網絡結構與建模機理、長短期記憶網絡LSTM工作原理、門限GRU網絡工作原理、基於循環神經網絡的軸承故障診斷模型構建流程與構建算法，基於循環神經網絡的軸承故障診斷模型構建實驗與模型驗證實驗。

第7章提出一種基於集成學習的軸承故障智能診斷方法，介紹了基於集成學習的軸承故障診斷工作原理與網絡結構、基於集成學習的軸承故障診斷模型構建方法與構建流程、基於集成學習的軸承故障診斷模型實驗。

第8章提出一種基於遷移學習的變工況軸承故障智能診斷方法，介紹了基於遷移學習的變工況軸承故障診斷網絡結構、一種改進的彈性網正則化遷移學習方法、基於遷移學習的變工況軸承故障診斷模型構建流程與構建算法，基於遷移學習的變工況軸承故障智能診斷模型實驗。

第9章提出一種基於大數據平臺的軸承故障智能診斷方法，介紹了大數據Hadoop平臺框架、Hadoop分布式文件繫統HDFS、Hadoop分布式計算MapReduce、Hadoop資源管理器Yarn，給出了基於Hadoop的軸承故障診斷平臺設計與實現，以及基於Hadoop的軸承故障診斷實驗。

第10章集成提出的故障診斷模型完成了軌道交通軸承故障智能診斷繫統設計與實現，包括故障智能診斷繫統平臺框架設計與功能設計，故障智能診斷繫統實現技術框架與核心模塊功能展示。

本書的特色在於融合面向深度學習和大數據的故障診斷智能方法與軸承故障診斷智能技術應用，很好將故障診斷概念、深度學習、大數據技術及故障診斷應用結合在一起，便於讀者能夠更好理解深度學習基本方法、更快掌握故障智能診斷前沿技術及其應用。

本書可作為從事軌道交通故障診斷技術研究的科研人員和工程技術人員的參考用書，也可作為高等院校計算機科學與技術、軟件工程、機械工程等相關專業研究生及高年級本科生的“故障診斷智能技術”課程教材。

本書由大連交通大學宋旭東教授撰寫。在本書撰寫過程中，叢郁洋、楊傑、朱大傑、陳藝琳、梁攀、王昊、田銳、宋一凡等研究生做了大量輔助工作。在此，一並表示衷心的感謝。在本書的撰寫過程中，參考了大量的國內外著作、論文、技術論壇等，在此也向參考文獻的作者表示感謝。

由於作者水平有限，書中不足之處在所難免，敬請廣大讀者批評指正。

作者2023年1月