2024.1,4（1）|智能交通与数字化考虑数据不平衡的轨道交通装备液压系统内泵泄漏智能诊断方法研究陈曦睿1，杨基宏2，台永丰2，方亚民1（1.中南大学轨道交通安全教育部重点实验室，湖南长沙410075；2.中车青岛四方机车车辆股份有限公司，山东青岛266111）摘要：针对液压系统内泵泄漏诊断的数据集不平衡问题，提出了一种两阶段处理方法，使用变分编码器对少数类样本进行合成，将少数类故障样本补全到和正常样本一致。再使用焦点损失对故障分类模型进行训练，增强分类器对难分类样本的诊断能力。所提出方法经过消融实验验证，能够有效处理不平衡数据集。关键词：故障诊断；内泵泄漏；液压系统；不平衡数据集；焦点损失IntelligentdiagnosisofinternalpumpleakageinrailtransithydraulicsystemswithunbalanceddatasetCHENXirui1,YANGJihong2,TAIYongfeng2,FANGYamin1（1.KeyLaboratoryofTrafficSafetyonTrackofMinistryofEducation，CentralSouthUniversity，Chansha410075，China；2.CRRCQingdaoSifangCo.，Ltd.，Qingdao266111，China）Abstract：Inthispaper，atwo-stagemethodisproposedtosolvetheproblemofunbalancedatasetininternalpumpleakagediagnosis.Thebetavariationalencoderisusedtosynthesizetheminorityclasssamples.Thefocallossisusedtoenhancetheclassifier'sperformanceontoughsamples.Theproposedmethodisverifiedbyablationexperiments.Keywords：faultdiagnosis；internalpumpleakage；hydraulicsystems；unbalanceddataset；focalloss引言液压系统是许多轨道交通高端装备的重要组成部件，例如电液转辙机、列车制动系统、铁路维修装备等，保障它们的正常运行对轨道交通的高效安全运行有重要意义。由于工作环境恶劣，负荷较大，液压系统也容易发生内泵泄漏故障，影响生产工作，甚至威胁行车安全。液压系统内泵泄漏故障诊断在机器学习算法上属于分类问题。而机器学习算法预设的条件往往与实际有所出入，因此很难构建一种兼具鲁棒性和高效性的模型，数据集不平衡就是一个重要的方面［1］。对于一个二分类问题，假如一个数中图分类号:TH163+.5；U262.32文献标志码:A文章编号：2097-017X（2024）01-0036-06DOI:10.3969/j.issn.2097-017X.2024.01.004收稿日期：2023-12-07基金项目：国家自然科学基金面上项目（52072412）。第一作者简介：陈曦睿（1999—），男，博士研究生。研究方向：基于数据不平衡、缺失、畸变数据的交通设备故障诊...
