控制与决策

作者：刘灏,毛文涛,寇淋淋,陈一帆,吴佳宁

单位：河南师范大学 计算机与信息工程学院，河南 新乡 453007,,河南师范大学 计算机与信息工程学院，河南 新乡 453007;智慧商务与物联网技术河南省工程实验室，河南 新乡 453007,,北京市地铁运营有限公司，北京 100044,,河南师范大学 计算机与信息工程学院，河南 新乡 453007,,河南师范大学 计算机与信息工程学院，河南 新乡 453007,

关键词：列车车轮;Tucker分解;领域适配;退化状态;健康指标

基金：国家自然科学基金项目(62472146)；河南省科技研发计划联合基金项目(225101610001)；河南省自然科学基金面上项目(242300420286)；河南师范大学研究生科研与实践创新项目(YZ202403).

随着国内城轨列车普遍加装轴箱振动传感器, 基于振动信号的车轮退化状态检测成为地铁运维的新需求. 受路基病害、变载荷及测量误差等因素影响, 振动信号易受不规则噪声干扰, 导致退化状态识别精度较低; 同时, 新列装车辆数据不足, 退化趋势表征困难, 检测模型鲁棒性不足. 鉴于此, 提出一种鲁棒无监督张量域适配网络, 通过跨车辆车轮退化信息迁移提升状态评估效果. 首先, 利用深度卷积自编码网络提取源域与目标域的深度特征, 采用张量Tucker分解获得核心张量, 通过最小化两域核心张量间的最大均值差异损失及张量化趋势性损失来进行领域适配; 然后, 建立交替优化算法, 交替进行张量分解与领域适配, 得到最优核心张量及公共退化特征表示; 最后, 基于退化特征的第一主成分构建健康指标(HI), 并根据HI曲线的凹凸性识别退化拐点. 实验基于国内某地铁6号线的实测数据, 结果表明, 所提出方法能够有效实现车轮退化信息迁移, 且鲁棒性强、识别精度高, 可以为地铁跨线跨车运维提供新的解决方案.

来源：2025年第7期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第7期