自编码器搭建、迁移学习和深度卷积

车轮多边形是车轮踏面磨耗的主要形式之一，对列车运行的平稳性有较大影响，会给列车运行安全带来较大的危害。目前，车轮多边形诊断方法存在较多的不足，如：对人工经验有较大依赖、振动数据预处理丢失数据特征以及样本数据获取较难等。因此，本文针对我国现有车轮多边形诊断技术中的不足与问题，设计开发了一种新的诊断方法。该方法以深度学习算法为核心，将一维卷积神经网络、残差网络、自编码器网络和迁移学习有效结合，发挥各算法的特点，形成了一种基于迁移学习-1DResAE的车轮多边形诊断方法，该方法对车轮多边形的诊断准确率高达99%。