基于LSTM的列车测速测距设备故障诊断

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).

列车测速测距设备故障检测系统研究

列车测速测距设备属于列车运行控制系统中故障率较高的部件,但在实际运维中对于测速测距设备的检测缺乏有效手段和检测工具;针对这个问题,采用设备离线检测方法设计了一种列车测速测距设备故障检测系统,该系统对轮轴速度传感器及测速测距处理单元进行动态闭环离线检测,可再现列车运行状态及设备故障工况,同时在检测过程中分析待测传感器及测速测距处理单元的各项测试数据,从中选取速度、脉冲值和工作电流等特征信息进行故障模式辨别;测试结果显示,系统可对测速测距处理单元故障以及轮轴速度传感器的偶发丢失脉冲、传感器虚接和通道故障进行有效检测;该系统故障诊断正确率高,实现了对测速测距设备服役状态参数的自动化检测,提高了运维效率。