MVB网络间歇性连接故障定位方法研究

• 作者: 李召召 王立德 杨岳毅 申萍
• 来源期刊: 铁道学报
• 学科: 交通运输
• 关键词: 网络故障定位 特征学习 稀疏自编码器 神经网络
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 铁道通信信号、信息化
• 页码范围: 107-114
• 页数: 8页
• 分类号: U285.5
• 语种: 中文
• DOI: 10.3969/j.issn.1001-8360.2021.01.013

摘要

多功能车辆总线(MVB)是列车的中枢神经,其可靠性对列车的安全稳定运行至关重要.在常见的MVB网络故障中,间歇性连接(IC)故障常在列车运行时的振动环境下间歇性出现,不仅难以诊断和定位,而且将导致网络丢包率和时延的增加,影响列车的运行安全.为此提出了一种MVB间歇性连接故障的定位方法.由于IC故障帧波形被打断后无法解码,因此通过训练稀疏自编码器对各网络设备的物理波形进行表征学习,并基于学习到的特征数据训练神经网络分类器,以识别IC故障帧的所属设备,进而建立IC故障代码、定位IC故障.实验结果表明,该方法可以有效提取MVB网络波形的内在特征,准确识别IC帧波形,有效定位IC故障.