铁路机车车辆运行故障监测诊断研究

• 作者: 胡平
• 来源期刊: 粘接
• 关键词: 故障监测 卷积神经网络 SVM分类器
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 智慧交通与装备
• 页码范围: 169-173
• 页数: 5页
• 分类号: U279
• 语种: 中文
• DOI: 10.3969/j.issn.1001-5922.2021.06.041

摘要

传统的铁路机车车辆运行故障监测诊由于过于依赖信息处理技术和专家进行诊断,因此存在诊断模型的准确率不高以及泛化性不强等问题.针对以上问题,文章基于卷积神经网络模型,引入Dropout、BN、SVM对该模型进行了改进.通过改进模型,有效提升了对故障样本的识别能力、收敛速度以及泛化能力,不同程度地实现了故障准确分类的额可行性.最后,在噪声干扰的情况下,对改进后的CNN-BN-SVM模型的有效性进行了仿真实验.实验结果表明,CNN-BN-SVM模型在处理故障数据和康噪声等方面具有明显的优越性.