基于CNN-CSRF组合模型的列控车载设备故障诊断

快速且精准地定位列控车载设备故障是确保高速铁路安全运行的关键因素。以列控车载日志为依据,提出基于卷积神经网络与代价敏感随机森林相结合的列控车载设备故障诊断模型。针对传统故障特征提取过程复杂、特征表现力不强等问题,利用卷积神经网络实现车载日志内部特征提取;考虑到车载日志中正常与故障数据间分布不均衡,采用结合代价敏感学习的随机森林算法对不均衡数据进行处理,并对所提取特征进行精确分类,实现车载设备故障诊断。通过对某铁路局列控车载日志进行实验验证,同时与其他分类模型进行对比,各评价指标有明显提升,说明了该模型对列控车载设备故障诊断的有效性。