基于注意力机制和双向LSTM网络的轨道电路故障预测研究

摘要：

基于铁路电务段轨道电路微机监测系统数据记录,提出一种基于注意力机制和双向长短期记忆网络的轨道电路故障预测方法.首先按照一定时间间隔记录并处理ZPW-2000A轨道电路微机监测数据,并使用合成少数类过采样算法进行数据扩充;然后基于注意力机制和双向LSTM网络构建轨道电路故障预测模型;考虑到神经网络超参数组合对模型性能有较大影响,使用基于贝叶斯采样的Hyperband算法优化轨道电路故障预测模型的超参数组合,再利用Adam算法优化模型参数,从而了解故障发生前轨道电路状态随时间的变化情况,实现对轨道电路故障状态的预测.实验表明:该模型能够准确预测轨道电路故障状态,从而指导电务段一线工作人员在故障发生前介入,提升轨道电路维护效率和运行效率.本研究为轨道电路故障预测相关研究提供一种新思路.

关键词：注意力机制、双向LSTM、故障诊断、故障预测、无绝缘轨道电路

所属期刊栏目：45

分类号：U284.2(铁路通信、信号)

资助基金：国家自然科学基金61833001

在线出版日期：2023-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：94-102