基于IITD样本熵与改进深度置信网络的轨道电路故障检测

摘要：

针对轨道电路故障检测实时性差且故障位置不确定等问题,提出了一种基于改进固有时间尺度分解(Improved intrinsic time-scale decomposition,IITD)和样本熵值作为特征值输入以改进深度置信网络(Deep belief network,DBN)识别的轨道电路故障检测方法.首先,采用IITD方法对故障信号进行分解,筛选包含主要故障特征信息的PR分量.其次,计算其样本熵值作为信号的特征值.最后,将特征值输入至改进的DBN网络中,进行故障检测.以180组轨道电路历史故障数据为输入,本算法准确率达97.22％,较BP神经网络、PMFCC-DTW、模糊神经网络以及未经优化的DBN,其检测准确率分别提高7.12％,4.98％,6.34％和3.82％,可以作为轨道电路的故障检测的有效方法.

关键词：改进固有时间尺度分解、样本熵、深度置信网络、故障检测

所属期刊栏目：14

分类号：TH11;TK83;S

在线出版日期：2023-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：9-16