基于深度主动学习的MVB网络故障诊断方法

摘要：

多功能车辆总线MVB(multiple vehicle bus)用于传输重要的列车运行控制指令和监视信息,准确地诊断MVB网络故障是列车智能运维的基础,为此,提出一种将主动学习和深度神经网络相结合的MVB网络故障诊断方法.该方法采用堆叠去噪自编码器自动提取MVB信号物理波形特征,并将该特征用于训练深度神经网络来实现MVB网络故障模式分类;基于不确定性和可信度的高效主动学习方法,可解决实际应用中标记样本不足和人工标记成本高昂的问题,使用少量标记训练样本就能得到高性能的深度神经网络模型.实验结果表明:为达到90％以上分类准确率,所提方法只需要600个标记训练样本,小于随机采样方法所需标记训练样本数的2800个;在相同标记训练样本数下,所提方法在3种性能指标下均优于传统方法.

关键词：多功能车辆总线、故障诊断、主动学习、深度神经网络、堆叠去噪自编码器

所属期刊栏目：57

分类号：U285.5(铁路通信、信号)

资助基金：中国国家铁路集团有限公司科技研究开发计划N2020J007

在线出版日期：2022-12-22（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：1342-1348,1385