10.3969/j.issn.1671-7449.2023.02.003
基于深度学习的转辙机故障诊断方法研究
目前,对于转辙机故障诊断的研究对象大多基于电流和功率曲线,本文针对人工判别道岔机械故障效率低的问题,提出一种基于转辙机牵引力和1 DCNN-LSTM的故障诊断方法.以ZDJ 9型转辙机牵引力为研究对象,融合1 DCNN和LSTM对数据空间和时间上提取的能力,将特征提取和故障分类相结合,对模型的超参数进行多次试验找到最优值,给出混淆矩阵、准确率曲线、损失函数曲线,表明模型用于故障诊断的准确性,采用T-sne可视化反映模型提取特征的有效性.实验结果表明,1DCNN-LSTM模型可以有效提取原始信号时空信息,以简单结构实现端到端的故障诊断,满足现场检修转辙机的应用需求.
1DCNN-LSTM、故障诊断、ZDJ9转辙机、故障预测、传感器
37
U284.92(铁路通信、信号)
郑州地铁运营分公司创新基金资助项目2105020
2023-04-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
106-111,126