基于LSTM-BP级联网络的列控车载设备故障诊断

• 作者: 上官伟 孟月月 杨嘉明 蔡伯根
• 来源期刊: 北京交通大学学报
• 学科: 交通运输
• 关键词: 交通信息工程及控制 故障诊断 BP神经网络 长短时记忆网络 列控车载设备
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 智慧铁路交通
• 页码范围: 54-62
• 页数: 9页
• 分类号: U284.48
• 字数: 7041字
• 语种: 中文
• DOI: 10.11860/j.issn.1673-0291.2019.01.006

摘要

列控车载设备是保障高速列车行车安全、提高运输效率的核心组成部分,快速有效地诊断其故障类型具有重要意义.针对300T型列控车载设备故障文本数据的错综性和时序性,提出一种基于LSTM-BP级联网络模型的车载设备智能故障诊断方法.首先,采用贝叶斯正则化(Bayesian Regularization,BR)算法优化BP神经网络提高模型的泛化能力;其次,利用长短时记忆网络(Long Short Term Memory Network,LSTM)的记忆特性,充分学习具有时序性的故障特征信息,解决BP神经网络模型难以准确诊断关机误报和引发故障等问题;最后,利用实际数据对模型进行多次试验分析,BR优化的神经网络模型分类准确率为85.06％;而LSTM-BP级联网络模型分类准确率达到95.10％,能够很好地解决对关机误报和引发故障诊断不准确的问题,验证了本文所提出的智能故障诊断方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡伯根	北京交通大学电子信息工程学院	129	1198	19.0	26.0
5	上官伟	北京交通大学电子信息工程学院	58	408	12.0	17.0
14	孟月月	北京交通大学电子信息工程学院	1	2	1.0	1.0
15	杨嘉明	北京交通大学电子信息工程学院	1	2	1.0	1.0