典型文献
基于数据不平衡下的高速列车小幅蛇行预测方法
文献摘要：
高速列车行驶中所产生的蛇行运动会严重影响到列车的行驶安全,所以对蛇行运动进行预测可以做到提前预警.目前对于蛇行运动的研究主要为对蛇行失稳的预测,但列车运行过程中会出现正常到蛇行失稳的小幅蛇行中间状态,对小幅蛇行状态进行预测可以提前对蛇行失稳进行预警.为此,以高速列车转向架横向加速度信号为标准,针对高速列车蛇行运动数据的极端不平衡情形,提出了一种基于1D-CNN和CGAN的非平衡数据的预测方法.该方法首先利用CGAN的对抗性学习机制,通过生成器和鉴别器之间的博弈来优化更新参数.然后,将训练完备的CGAN模型用于生成样本,将增强后的数据送入1D-CNN分类器,并输出预测结果.在高速列车实际运行数据上进行实验,结果表明CGAN可以拟合高速列车蛇行故障运动的数据分布并增强数据集,且基于提出的方法预测精度为97.5％,大幅优于对比方法.因此基于CGAN-1DCNN的小幅蛇行预测方法可以在数据不平衡下对小幅蛇行的预测,实现对蛇行失稳的提前预警.
文献关键词：
高速列车;小幅蛇行;生成式对抗网络;卷积神经网络
中图分类号：
作者姓名：
宁云志;宁静;李艳萍;陈春俊
作者机构：
西南交通大学机械工程学院 成都610031
文献出处：
引用格式：
[1]宁云志;宁静;李艳萍;陈春俊-.基于数据不平衡下的高速列车小幅蛇行预测方法)[J].电子测量技术,2022(06):149-154
A类：
B类：
数据不平衡,小幅蛇行,车行,蛇行运动,运动会,行驶安全,提前预警,蛇行失稳,列车运行,中间状态,高速列车转向架,横向加速度,加速度信号,运动数据,衡情,CGAN,非平衡数据,对抗性,学习机制,生成器,鉴别器,送入,分类器,输出预测,实际运行,运行数据,数据分布,比方,1DCNN,生成式对抗网络
AB值：
0.252774
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
