基于物理启发式正则化与改进ConvNeXt的转向架电机多模态故障诊断方法

《Scientific Reports》：Multimodal fault diagnosis method of bogie motor based on physics-inspired regularization and enhanced ConvNeXt

　　

摘要

对转向架牵引电机进行故障诊断对于确保铁路列车的运行安全至关重要。传统的基于数据的模型主要依赖于统计信号相关性，往往忽视了与机械、电气及动态耦合相关的领域专业知识。本研究提出了一种多模态故障诊断框架，该框架整合了振动、电流和转速信号。原始的一维信号被转换为频谱相关图，利用循环平稳理论来分析由机械-电磁相互作用引起的调制成分。研究还采用了经过改进的ConvNeXt架构，并结合跨分辨率门控注意力机制，以捕捉不同频率分辨率下的全局依赖关系。为了借助物理规律指导特征学习过程，训练过程中引入了两种基于物理原理的正则化方法：一种是基于各模态间能量分布均衡的能量一致性损失函数，另一种则是反映机械-电气耦合特性的动态相关性损失函数。在BJTU-RAO和HUST多模态电机数据集上的实验表明，所提出的模型具有更出色的诊断精度和稳定性。