利用监测数据检测铁路车辆设备的异常
近年来,一些铁路车辆配备了持续记录铁路车辆设备运行状况的状态监测装置,通过学习数据和使用机器学习检测异常来提高列车运行的可靠性.状态监测数据按时间序列记录.因此,提出了一种基于长短期记忆神经网络(LSTM)的铁路车辆设备异常检测方法,这是一种适用于学习时间序列数据的深度学习方法.将该提议方法应用于内燃动车的运行记录数据.结果证实,采用提议方法后异常数据条件下的异常分数增加,实现了铁路车辆设备的异常检测.
监测数据、异常检测、机器学习、神经网络、LSTM
U226.8+1(电气化铁路)
2023-09-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
32-37