典型文献
铁路信号联锁故障诊断模型构建及仿真
文献摘要：
针对铁路信号联锁故障诊断准确率、查准率、查全率低的问题,结合铁路信号设备故障特征属性及铁路站场树形拓扑结构,提出一种基于树形卷积神经网络(tree-based convolutional neural network,TBCNN)的铁路信号联锁故障诊断模型,并在实验室平台上进行仿真.结果表明,所提的铁路信号联锁故障诊断模型可有效诊断单一铁路信号联锁故障和复合铁路信号联锁故障,相较于BP神经网络与RvNN网络等传统故障诊断模型,在准确率、查准率、查全率和F1值各项评价指标上具有更优异的表现,故障诊断准确率分别可达到86.95％和76.25％,查准率分别可达到85.40％和68.94％,查全率分别可达到94.94％和71.19％,F1值分别为89.83％和70.05％,具有一定的有效性和优越性.
文献关键词：
铁路信号联锁;故障诊断;CNN网络;TBCNN网络;树形结构
中图分类号：
作者姓名：
杜巧玲;罗永
作者机构：
西安交通工程学院,西安710300;中铁一局集团电务工程有限公司,西安710300
文献出处：
引用格式：
[1]杜巧玲;罗永-.铁路信号联锁故障诊断模型构建及仿真)[J].自动化与仪器仪表,2022(04):38-43
A类：
TBCNN,RvNN
B类：
铁路信号联锁,故障诊断模型,故障诊断准确率,查准率,查全率,铁路信号设备,设备故障,故障特征,特征属性,铁路站场,树形拓扑,拓扑结构,tree,convolutional,neural,network,树形结构
AB值：
0.170684
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。
