典型文献
基于机器学习的铁路道岔故障诊断模型构建及仿真
文献摘要：
针对铁路道岔故障诊断不够准确这一问题,提出一种基于机器学习的铁路道岔故障诊断模型.首先结合神经网络较强的学习能力和数据处理能力以及模糊逻辑较强的结构性知识表达能力,提出模糊神经网络(FNN)故障诊断方法;然后根据铁路道岔实际故障情况,采用值投影及柱状图的方法对道岔动作电流曲线特征进行提取,以此获得特征输入,并构建了基于FNN的诊断模型;最后以陇海线骆驼巷站ZYJ7型道岔为研究对象,对提出的FNN模型进行仿真实验.结果证明,基于值投影及柱状图的特征提取方式的FNN铁路道岔故障诊断模型诊断效果良好,诊断准确率可以达到97％左右,满足实际铁路道岔故障诊断需求.
文献关键词：
铁路道岔故障;值投影及柱状图;FNN诊断模型;电流曲线特征
中图分类号：
作者姓名：
杨万新
作者机构：
兰州铁道设计院有限公司,兰州730000
文献出处：
引用格式：
[1]杨万新-.基于机器学习的铁路道岔故障诊断模型构建及仿真)[J].自动化与仪器仪表,2022(04):62-67
A类：
值投影及柱状图
B类：
基于机器学习,铁路道岔故障,道岔故障诊断,故障诊断模型,处理能力,模糊逻辑,性知识,知识表达,表达能力,出模,模糊神经网络,FNN,故障诊断方法,动作电流曲线,电流曲线特征,陇海线,骆驼,ZYJ7,提取方式,诊断效果,诊断准确率
AB值：
0.189077
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。
