典型文献
基于Dropout法优化的BP神经网络地铁列车塞拉门故障检测
文献摘要：
对正常、下挡销故障、压轮故障3种状态下的地铁列车塞拉门电机电流进行了时域分析,发现预处理后的3种状态电机电流在时域分布上有明显差异.在此基础上,提取3种状态下的电机电流并筛选合适的时域特征参数,将之与BP(后向传播)神经网络相结合,建立了 1种基于Dropout法优化的B P神经网络地铁列车塞拉门故障检测模型,实现了对地铁列车塞拉门下挡销及压轮故障的检测.基于实际案例数据的测试结果表明:该模型可在一定程度上减少过拟合现象的发生,能有效检测出塞拉门下挡销及压轮的故障,其故障检测精度较高.
文献关键词：
地铁列车;塞拉门;故障检测;后向传播神经网络
中图分类号：
作者姓名：
郭井宽
作者机构：
中国电气装备集团科学技术研究院有限公司,200436,上海
文献出处：
引用格式：
[1]郭井宽-.基于Dropout法优化的BP神经网络地铁列车塞拉门故障检测)[J].城市轨道交通研究,2022(12):39-45,51
A类：
B类：
Dropout,地铁列车,塞拉门,电机电流,流进,时域分析,时域特征,故障检测模型,门下,实际案例,过拟合,有效检测,出塞,检测精度,后向传播神经网络
AB值：
0.203663
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。
