| 基于LSTM-BP级联网络的列控车载设备故障诊断 |
| |
| 引用本文： | 上官伟,孟月月,杨嘉明,蔡伯根.基于LSTM-BP级联网络的列控车载设备故障诊断[J].北京交通大学学报(自然科学版),2019,43(1). |
| |
| 作者姓名： | 上官伟 孟月月 杨嘉明 蔡伯根 |
| |
| 作者单位： | 北京交通大学电子信息工程学院,北京100044;北京交通大学轨道交通控制与安全国家重点实验室,北京100044;北京交通大学北京市电磁兼容与卫星导航工程技术研究中心,北京100044;北京交通大学电子信息工程学院,北京,100044;北京交通大学电子信息工程学院,北京100044;北京交通大学轨道交通控制与安全国家重点实验室,北京100044 |
| |
| 基金项目： | 国家自然科学基金;国家自然科学基金 |
| |
| 摘 要： | 列控车载设备是保障高速列车行车安全、提高运输效率的核心组成部分,快速有效地诊断其故障类型具有重要意义.针对300T型列控车载设备故障文本数据的错综性和时序性,提出一种基于LSTM-BP级联网络模型的车载设备智能故障诊断方法.首先,采用贝叶斯正则化(Bayesian Regularization,BR)算法优化BP神经网络提高模型的泛化能力;其次,利用长短时记忆网络(Long Short Term Memory Network,LSTM)的记忆特性,充分学习具有时序性的故障特征信息,解决BP神经网络模型难以准确诊断关机误报和引发故障等问题;最后,利用实际数据对模型进行多次试验分析,BR优化的神经网络模型分类准确率为85.06%;而LSTM-BP级联网络模型分类准确率达到95.10%,能够很好地解决对关机误报和引发故障诊断不准确的问题,验证了本文所提出的智能故障诊断方法的有效性.
|
| 关 键 词： | 交通信息工程及控制 故障诊断 BP神经网络 长短时记忆网络 列控车载设备 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
