基于WNN算法的BTM故障诊断方法 |
| |
引用本文: | 程剑锋,王心仪,夏凯.基于WNN算法的BTM故障诊断方法[J].中国铁路,2023(10):83-90. |
| |
作者姓名: | 程剑锋 王心仪 夏凯 |
| |
作者单位: | 1. 中国铁道科学研究院集团有限公司通信信号研究所;2. 中国铁道科学研究院 |
| |
基金项目: | 国家自然科学联合基金项目(U1934222); |
| |
摘 要: | 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。
|
关 键 词: | 高速铁路 车载设备 列车超速防护系统(ATP) 应答器传输模块 故障诊断 WNN算法 |
|
|