基于LSTM的列车测速测距设备故障诊断

• 作者: 付文秀 李弘扬 靳东明
• 来源期刊: 北京交通大学学报
• 学科: 交通运输
• 关键词: 车载测速测距设备 故障诊断 LSTM神经网络 Apriori算法
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 列车控制安全
• 页码范围: 9-16
• 页数: 8页
• 分类号: U284
• 字数: 5846字
• 语种: 中文
• DOI: 10.11860/j.issn.1673-0291.20190122

摘要

列车测速测距设备是列车运行控制系统的重要组成部分,也是故障率较高的设备之一.针对测速测距设备故障诊断自动化程度低的问题,提出一种基于LSTM(Long Short-Term Memory)神经网络的列车测速测距设备故障诊断方法,利用自适应最小支持度的加权Apriori算法从测速测距设备的时间序列中提取与故障分类关联度高的时间序列,构建故障数据集;利用LSTM神经网络对故障进行分类对比,测试结果表明:在以时间序列为故障特征的条件下,LSTM分类效果优于全卷积神经网络(Fully Convolutional Neural Networks,FCNN)与循环神经网络(Recurrent Neural Network,RNN).

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	付文秀	北京交通大学电子信息工程学院	7	15	3.0	3.0
2	李弘扬	北京交通大学电子信息工程学院	1	0	0.0	0.0
3	靳东明	北京交通大学电子信息工程学院	2	0	0.0	0.0