|
|||||
|
|
| 地铁闸机扇门机构故障时间序列预测研究 | |
| 作者姓名： | 步春辰 王亚平 闫雅斌 |
| 作者单位： | 1.南京理工大学 机械工程学院,南京 210094 |
| 基金项目： | 国家重点研发计划课题（2017YFB1201201） |
| 摘 要： | 基于CNN+ LSTM混合神经网络构建故障时间序列预测模型,利用某型号地铁闸机扇门机构的故障数据进行实例分析,并与ARIMA、CNN和LSTM 3种单一预测模型对比。结果表明:CNN+LSTM混合神经网络模型的预测准确性较高,具有良好应用前景,研究成果可用于支持地铁闸机维修计划的制定和优化。 |
| 关 键 词： | 地铁闸机 故障 时间序列预测 神经网络 |
| 收稿时间： | 2020-04-07 |
| 点击此处可从《铁路计算机应用》浏览原始摘要信息 | |
| 点击此处可从《铁路计算机应用》下载免费的PDF全文 | |