典型文献
基于字词融合的高铁道岔多级故障诊断组合模型
文献摘要：
为有效提升高速铁路道岔维护效率和故障定位准确率,面向其故障文本数据,提出了一种基于字词融合的高速铁路道岔多级故障诊断组合模型.首先,建立高速铁路道岔专业词库,将文本表示为字向量与词向量并进行深度融合.其次,考虑到故障文本存在类别不均衡问题,采用Borderline-SMOTE算法对不均衡文本数据进行处理,优化故障文本数据分布.接着使用BiLSTM(Bi-directional long short-term memory)-CNN(convolutional neural network)的组合神经网络提取故障文本深度特征,最后通过分类器实现智能故障诊断.采用我国高速铁路道岔故障文本数据进行模型性能验证,结果显示所提模型的一级故障诊断准确率达到95.62％,二级故障诊断准确率达到93.81％,证明多级故障诊断精度可达到理想效果.
文献关键词：
高速铁路道岔;多级故障诊断;字词融合;Borderline-SMOTE;组合神经网络
中图分类号：
作者姓名：
林海香;赵正祥;陆人杰;卢冉;白万胜;胡娜娜
作者机构：
兰州交通大学自动化与电气工程学院 兰州 730070;卡斯柯信号有限公司 上海 200071
文献出处：
引用格式：
[1]林海香;赵正祥;陆人杰;卢冉;白万胜;胡娜娜-.基于字词融合的高铁道岔多级故障诊断组合模型)[J].电子测量与仪器学报,2022(10):217-226
A类：
多级故障诊断
B类：
字词融合,铁道,组合模型,高速铁路道岔,维护效率,故障定位,定位准确率,故障文本数据,专业词库,文本表示,字向量,词向量,类别不均衡,均衡问题,Borderline,SMOTE,数据分布,BiLSTM,directional,long,short,term,memory,convolutional,neural,network,组合神经网络,文本深度,深度特征,分类器,智能故障诊断,铁路道岔故障,模型性能,性能验证,故障诊断准确率,故障诊断精度
AB值：
0.310101
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。
