典型文献
基于一维卷积神经网络的实时道岔故障诊断
文献摘要：
针对道岔故障诊断系统实时性要求高、特征提取严重依赖于先验知识的问题,提出了一种基于一维卷积神经网络(1D-CNN)的道岔实时故障诊断方法.以S700k转辙机的功率曲线为例,建立一维卷积神经网络的结构模型,该模型将特征提取与故障分类融合为一体,优化了网络参数,同时使用正则化Dropout提高模型的泛化能力,采用t-SNE可视化方法,来反映模型提取特征的有效性.仿真实验表明:卷积层和池化层对原始时域信号的自适应特征提取,能较好地捕捉信号空间维度信息,降低模型的计算量,提高模型的抗噪性能,实现了端到端的实时故障诊断,并有效地提高道岔故障实时诊断的准确率.
文献关键词：
一维卷积神经网络;S700k转辙机;时间序列;故障诊断
中图分类号：
作者姓名：
池毅;陈光武
作者机构：
兰州交通大学 自动化与电气工程学院,兰州 730070;兰州交通大学 自动控制研究所,兰州 730070;甘肃省高原交通信息工程及控制重点实验室,兰州 730073
文献出处：
引用格式：
[1]池毅;陈光武-.基于一维卷积神经网络的实时道岔故障诊断)[J].计算机工程与应用,2022(20):293-299
A类：
S700k
B类：
一维卷积神经网络,道岔故障诊断,故障诊断系统,先验知识,1D,故障诊断方法,转辙机,功率曲线,故障分类,合为一体,网络参数,正则化,Dropout,泛化能力,SNE,可视化方法,提取特征,卷积层,池化,时域信号,自适应特征提取,空间维度,计算量,抗噪性能,端到端,实时诊断
AB值：
0.32365
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。
