基于多通道输入和1DCNN-LSTM的道岔转辙机故障诊断

针对三相交流道岔转辙机故障诊断问题,提出一种基于多通道输入和一维卷积神经网络(1DCNN)-长短期记忆神经网络(LSTM)的故障诊断方法。首先使用经验模态分解算法对动作功率信号进行分解,获得若干个尺度特征不同的固有模态函数信号;其次建立基于1DCNN和LSTM的组合故障诊断模型,使用1DCNN提取功率信号中的局部特征,使用LSTM选择性提取局部特征中的长距离特征;然后通过所建模型诊断出道岔转辙机的故障类型,并结合t-分布随机近邻嵌入展示诊断效果;最后与经典的诊断方法进行对比分析。对比实验结果表明:本方法在道岔转辙机故障诊断中具有较高的准确性和稳定性,且具有较好的泛化性。