基于LSTM/NN的道岔故障特征提取与识别研究

• 作者: 唐维华
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 道岔故障识别 动作电流 长短期记忆 时间序列 特征提取 神经网络分类器
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 159-163
• 页数: 5页
• 分类号: TP3
• 字数: 3552字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.01.029

摘要

道岔转辙机是保证列车安全运营的重要室外设备之一.分析道岔动作电流曲线,可以及时判断道岔的实时工作状态.采用基于长短期记忆(LSTM)模型结合传统神经网络的识别算法,从原始电流序列中自动提取特征,再根据特征利用神经网络分类器(NNC)来对道岔动作电流曲线进行智能故障识别.实验结果表明,所提算法不会丢失电流曲线的有效信息,并且提高了准确率,训练集上的准确率为100％,在测试集上准确率达到了99.7％.算法能够满足铁路现场实际应用需要,对保障道岔的正常运行具有十分重要的现实意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐维华	东华大学信息科学与技术学院	2	1	1.0	1.0