10.3969/j.issn.1001-4632.2020.03.06
基于SOM-BP混合神经网络的道岔设备退化状态研究
针对道岔设备故障频繁、维修成本高,且现有基于故障数据的诊断方法无法描述道岔退化过程,难以实现故障超前预判的问题,进行基于SOM-BP混合神经网络的道岔设备退化状态研究.依据采集的道岔非故障功率数据按区段提取峰值、方差、峭度等特征参数,基于平均影响值进行特征参数选择,并确定输入维数;使用自组织特征映射(SOM)神经网络对输入特征参数进行多次聚类学习,分析学习结果得到6种退化状态样本数据;构建15-13-6型BP神经网络结构模型,实现对道岔设备退化状态的识别.结果 表明,采用SOM-BP混合神经网络进行道岔设备退化状态识别的准确率达到95.56%.
道岔、退化状态、SOM-BP混合神经网络、平均影响值、功率数据
41
U284(铁路通信、信号)
科技创新项目SHGF-15-41
2020-07-01(万方平台首次上网日期,不代表论文的发表时间)
共9页
50-58