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