基于LSTM/NN的道岔故障特征提取与识别研究

基于LSTM/NN的道岔故障特征提取与识别研究

论文摘要

道岔转辙机是保证列车安全运营的重要室外设备之一。分析道岔动作电流曲线,可以及时判断道岔的实时工作状态。采用基于长短期记忆(LSTM)模型结合传统神经网络的识别算法,从原始电流序列中自动提取特征,再根据特征利用神经网络分类器(NNC)来对道岔动作电流曲线进行智能故障识别。实验结果表明,所提算法不会丢失电流曲线的有效信息,并且提高了准确率,训练集上的准确率为100%,在测试集上准确率达到了99. 7%。算法能够满足铁路现场实际应用需要,对保障道岔的正常运行具有十分重要的现实意义。

论文目录

  • 0 引言
  • 1 问题描述
  •   1.1 道岔动作电流曲线分析
  •   1.2 道岔典型故障类型
  • 2 算法设计
  •   2.1 基于LSTM的故障诊断模型
  •   2.2 输入数据的预处理
  •   2.3 特征提取
  •   2.4 神经网络分类
  • 3 实验结果和分析
  • 4 结语
  • 文章来源

    类型: 期刊论文

    作者: 唐维华

    关键词: 道岔故障识别,动作电流,长短期记忆,时间序列,特征提取,神经网络分类器

    来源: 计算机应用与软件 2019年01期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 铁路运输,自动化技术

    单位: 东华大学信息科学与技术学院,卡斯柯信号有限公司

    分类号: TP18;U284.92

    页码: 159-163

    总页数: 5

    文件大小: 743K

    下载量: 203

    相关论文文献

    标签:;  ;  ;  ;  ;  ;  

    基于LSTM/NN的道岔故障特征提取与识别研究
    下载Doc文档

    猜你喜欢