基于粗糙集理论的列控车载设备故障分析方法

摘要：

快速、准确的故障诊断技术是高速列车安全运行的重要保证,本文以此为目标,对列控系统故障诊断方法进行研究,将神经网络算法NN分别应用于列控系统车载设备应答器传输单元BTM、列车接口单元TIU的故障诊断中,通过对比故障识别准确率BTM 为训练阶段19.89%、测试阶段36.51%,TIU为训练阶段96.93%、测试阶段94.84%,得出当数据中噪声较大时,神经网络的分类能力降低.为了解决以上问题,引入粗糙集理论进行属性约简、去除噪声,用神经网络进行故障识别,最终得出BT M的故障识别准确率为训练阶段93.32%、测试阶段97.41%,T IU为训练阶段99.21%、测试阶段96.72%,表明粗糙集理论和神经网络的结合RST NN能够保证故障诊断的准确性,从而验证该方法在实现列控系统车载设备故障诊断方面的有效性.

关键词：粗糙集理论、神经网络、故障诊断、列控系统、车载设备

所属期刊栏目：40

分类号：U284.48(铁路通信、信号)

资助基金：国家重点研发计划2016YFB1200100;国家自然科学基金61490705,61773049;北京市自然科学基金4172049;中央高校基本科研业务费专项资金2015JBM012

在线出版日期：2018-06-12（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：60-67