基于WNN算法的BTM故障诊断方法

高效、准确的故障定位技术是列车安全运行的重要保证。针对列车超速防护系统（ATP）车载设备故障分析存在复杂性高、依赖专家经验等问题，提出将小波神经网络（Wavelet Neural Network,WNN）算法应用于车载设备故障诊断的方法。针对车载设备中的应答器传输模块（Balise Transmission Module,BTM），首先根据经常发生的故障类型，匹配ATP中相应的故障日志语句；然后建立网络结构，利用小波理论修正网络的权值与参数；最后结合WNN算法精准地分析和预测故障。选取BTM单元的100组故障数据作为样本进行仿真实验，并与BP神经网络、GA-BP神经网络以及SVM算法进行对比。实验结果表明：通过小波算法优化神经网络的测试样本平均绝对误差降低至6.917%，相关系数提高到97.402%，该算法在高速铁路列控车载设备故障分析方面有较高的准确性。