检索结果-南通市图书馆

铁道科学与工程学报 2024年

作者：王英琪李刚胡启正杨勇中国铁道科学研究院集团有限公司国家铁路智能运输系统工程技术研究中心中国铁道科学研究院研究生部中国铁道科学研究院集团有限公司通信信号研究所中国铁道科学研究院集团有限公司通信信号基础设施智能运维铁路行业工程研究中心

道岔故障种类繁多，特征复杂，存在检测难、分类难等问题，导致故障排查效率低下，对铁路运输安全构成威胁。Vision Transformer模型在图像分类方面具有较高准确度，但是其处理的是图像块，而不是传统的像素级特征，在某些情况下可能会... 详细信息

道岔故障种类繁多，特征复杂，存在检测难、分类难等问题，导致故障排查效率低下，对铁路运输安全构成威胁。Vision Transformer模型在图像分类方面具有较高准确度，但是其处理的是图像块，而不是传统的像素级特征，在某些情况下可能会影响曲线局部信息的获取。针对上述情况，提出一种基于改进Vision Transformer模型的故障曲线分类算法。首先，对典型道岔故障及原因进行梳理分类，指出了几种典型的道岔故障；其次，对使用道岔动作电流数据生成的图像尺寸进行调整并根据故障图像特点进行数据增强，使用ResNet网络取代原Vision Transformer模型中的故障图像分块机制进行特征提取，同时采用相对位置编码增强模型的适应性和泛化能力；最后，利用模型的多头自注意力机制，综合全局与局部信息进行分类，并得到分类权重。经过实验验证，本文道岔故障分类识别总体准确率达99.77%，各分类识别的平均精确率达99.78%，与原模型相比，在训练集和验证集上的识别精度分别提升了5.4%和2.4%。为了更好地理解模型的性能，采用Grad-CAM方法将迭代过程可视化，剖析了模型关注区域的变化过程，并在测试集上与VGG-16、DenseNet121等经典分类模型进行性能对比；通过ROC曲线评估分类效果，显示改进的模型取得更优结果。研究结果为道岔故障识别分类提供了新的理论支持，并为未来的研究提供了新的思路和方法。

关键词：深度学习图像分类道岔故障识别 Vision Transformer

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于LSTM/NN的道岔故障特征提取与识别研究

引用

计算机应用与软件 2019年第1期36卷 159-163页

作者：唐维华东华大学信息科学与技术学院上海201620 卡斯柯信号有限公司上海200040

道岔转辙机是保证列车安全运营的重要室外设备之一。分析道岔动作电流曲线,可以及时判断道岔的实时工作状态。采用基于长短期记忆(LSTM)模型结合传统神经网络的识别算法,从原始电流序列中自动提取特征,再根据特征利用神经网络分类器(NNC... 详细信息

道岔转辙机是保证列车安全运营的重要室外设备之一。分析道岔动作电流曲线,可以及时判断道岔的实时工作状态。采用基于长短期记忆(LSTM)模型结合传统神经网络的识别算法,从原始电流序列中自动提取特征,再根据特征利用神经网络分类器(NNC)来对道岔动作电流曲线进行智能故障识别。实验结果表明,所提算法不会丢失电流曲线的有效信息,并且提高了准确率,训练集上的准确率为100%,在测试集上准确率达到了99. 7%。算法能够满足铁路现场实际应用需要,对保障道岔的正常运行具有十分重要的现实意义。

关键词：道岔故障识别动作电流长短期记忆时间序列特征提取神经网络分类器

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：