典型文献
基于掩码自编码器的小样本深度学习道岔故障诊断模型
文献摘要：
以车站现场采集到的ZYJ7型交流道岔转辙机所产生真实道岔动作电流曲线数据为依托,提出基于掩码自编码器的小样本深度学习模型,无须进行特征提取,可实现端到端的自监督学习.首先进行数据预处理,将道岔动作电流曲线数据统一为相同的维数;然后通过随机掩码,将具有人工标签的少量故障数据增强为数量足够大的自监督样本集合,并使用自编码器作为正则化约束;最后通过故障诊断网络,诊断出曲线的故障类型和故障位置.在实验室和车站现场对该模型进行验证,结果表明:该模型在小样本数据集上对故障分类的准确性预测可达到98％以上,同时也能快速定位曲线故障发生的位置.
文献关键词：
掩码;小样本学习;自编码器;道岔故障诊断;深度学习
中图分类号：
作者姓名：
李刚;徐长明;龚翔;卢佩玲;董贺超;史维利
作者机构：
中国铁道科学研究院研究生部,北京 100081;中国铁道科学研究院集团有限公司通信信号研究所,北京 100081;中国铁道科学研究院集团有限公司国家铁路智能运输系统工程技术研究中心,北京 100081;东北大学秦皇岛分校计算机与通信工程学院,河北秦皇岛 066004;河北环境工程学院信息工程系,河北秦皇岛 066102;中国铁路沈阳局集团有限公司吉林电务段,吉林吉林 130051
文献出处：
引用格式：
[1]李刚;徐长明;龚翔;卢佩玲;董贺超;史维利-.基于掩码自编码器的小样本深度学习道岔故障诊断模型)[J].中国铁道科学,2022(06):175-185
A类：
B类：
掩码,自编码器,道岔故障诊断,故障诊断模型,车站,现场采集,ZYJ7,流道,道岔转辙机,动作电流曲线,深度学习模型,无须,端到端,自监督学习,数据预处理,数据统一,故障数据,数据增强,样本集合,正则化约束,断网,故障类型,故障位置,小样本数据集,故障分类,快速定位,小样本学习
AB值：
0.303731
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。
