基于LSTM预测误差的轨道交通弓网接触力异常识别算法

[目的]接触力是轨道交通弓网综合检测的重要内容,也是弓网系统性能的重要评价因素,但在检测过程中常受到外部环境的影响而出现异常检测数据。目前针对弓网接触力异常检测数据的剔除主要依赖于人工,影响数据分析效率,因此需深入研究弓网接触力异常识别算法。[方法]梳理了弓网接触力常见的异常形式,分析了不同异常形式下接触力检测数据的特征。提出了一种基于LSTM(长短期记忆网络)预测误差的弓网接触力异常识别算法,通过使用正常的接触力数据训练LSTM模型,使该模型能够对接触力变化趋势进行预测。为实现正常区段与异常点的精确划分,使用基于置信区间的异常检测数据识别方法。为降低长距离异常数据对LSTM模型预测效果的影响,提出了一种基于预测值置换的异常数据处理方式。通过高速综合检测列车测得的真实检测数据,分别对三种常见异常形式的弓网接触力识别效果进行验证。[结果及结论]提出的算法能够较好地实现对弓网接触力异常的识别。