基于SOM-BP混合神经网络的道岔设备退化状态研究

• 作者: 孟景辉 李锋 杨吉 杨树忠 许庆阳 高利民
• 来源期刊: 中国铁道科学
• 学科: 交通运输
• 关键词: 道岔 退化状态 SOM-BP混合神经网络 平均影响值 功率数据
• 年，卷（期）: 2020,（3）
• 页码范围: 50-58
• 页数: 9页
• 分类号: U284
• 字数: 6026字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4632.2020.03.06

摘要

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％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨吉	中国铁道科学研究院集团有限公司基础设施检测研究所	8	15	2.0	3.0
2	许庆阳	中国铁道科学研究院集团有限公司基础设施检测研究所	3	0	0.0	0.0
3	孟景辉	中国铁道科学研究院集团有限公司基础设施检测研究所	14	36	3.0	5.0
4	杨树忠	中国铁道科学研究院集团有限公司基础设施检测研究所	12	31	4.0	5.0
5	高利民	中国国家铁路集团有限公司铁路基础设施检测中心	2	0	0.0	0.0