基于粗糙集理论的列控车载设备故障分析方法

• 作者: 上官伟 冯娟 张军政 李正交 王剑 蔡伯根
• 来源期刊: 铁道学报
• 学科: 交通运输
• 关键词: 粗糙集理论 神经网络 故障诊断 列控系统 车载设备
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 铁道通信信号、信息化
• 页码范围: 60-67
• 页数: 8页
• 分类号: U284.48
• 字数: 5959字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-8360.2018.04.009

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.