基于CNN-GRU模型的道岔故障诊断算法研究

摘要：

道岔作为铁路重要的信号基础设备,在保障铁路安全运行中起到重要作用.基于信号集中监测系统中道岔的故障电流和功率曲线,经过哈尔小波变换后,通过卷积神经网络(CNN)中的卷积层,对故障曲线提取一定维度的道岔故障特征;然后把提取到的故障特征作为门控循环单元(GRU)的输入,从而实现道岔故障诊断;最后将数据集分成训练集和测试集,对模型做训练和验证.实验仿真表明,特征矩阵采用40维输入,迭代75次时,道岔故障诊断准确率达95％,训练时间也优于其他方法.

关键词：哈尔小波变换、卷积神经网络、门控循环单元、道岔、故障诊断

所属期刊栏目：42

分类号：U284.72(铁路通信、信号)

资助基金：国家自然科学基金;甘肃省高等学校科研项目;甘肃省科技计划项目

在线出版日期：2020-08-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：102-109