典型文献
基于双视图故障特征提取的列控车载设备故障诊断方法
文献摘要：
从列车运行日志数据中充分准确地提取车载设备的故障特征,对于提高故障诊断效率、保障列车运行安全具有重要作用.针对故障特征提取中面临的故障模式分布不平衡、故障特征提取不充分、故障特征维度高等问题,提出基于双视图故障特征提取的列控车载设备故障诊断方法.首先在语义视图下增加类别比重因子改进互信息,调整故障特征空间,解决故障模式分布不平衡问题;然后在语序视图下考虑语序和句序的影响,使用句向量的分布记忆模型实现故障特征的充分提取,解决故障特征提取不充分问题;最后利用PCA方法对级联后的特征集合进行融合,解决故障特征维度高问题.使用铁路运营部门收集的300T型车载设备运行日志数据对本方法进行实验验证,实验结果表明:相比于两种传统的故障特征提取方法,本方法的F1 值分别增加了 0.063、0.037,证明了本方法的有效性.
文献关键词：
列控系统;车载设备;故障诊断;双视图;故障特征提取
中图分类号：
作者姓名：
彭聪;上官伟;邢玉龙;蔡伯根
作者机构：
北京交通大学电子信息工程学院,北京 100044;北京交通大学轨道交通控制与安全国家重点实验室,北京 100044
文献出处：
引用格式：
[1]彭聪;上官伟;邢玉龙;蔡伯根-.基于双视图故障特征提取的列控车载设备故障诊断方法)[J].铁道学报,2022(11):63-70
A类：
B类：
双视图,故障特征提取,列控车载设备,设备故障诊断,故障诊断方法,运行日志,日志数据,诊断效率,列车运行安全,故障模式,分布不平衡,因子改进,互信息,故障特征空间,不平衡问题,语序,句向量,模型实现,分提,特征集合,铁路运营,运营部,300T,设备运行,列控系统
AB值：
0.25624
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。
