基于一维卷积神经网络的实时道岔故障诊断

来源：计算机工程与应用杂志2022年第20期北京时间：

作者：池毅, 陈光武

单位：1.兰州交通大学 自动化与电气工程学院，兰州 730070；2.兰州交通大学 自动控制研究所，兰州 730070；3.甘肃省高原交通信息工程及控制重点实验室，兰州 730073；

摘要：针对道岔故障诊断系统实时性要求高、特征提取严重依赖于先验知识的问题，提出了一种基于一维卷积神经网络（1D-CNN）的道岔实时故障诊断方法。以S700k转辙机的功率曲线为例，建立一维卷积神经网络的结构模型，该模型将特征提取与故障分类融合为一体，优化了网络参数，同时使用正则化Dropout提高模型的泛化能力，采用t-SNE可视化方法，来反映模型提取特征的有效性。仿真实验表明：卷积层和池化层对原始时域信号的自适应特征提取，能较好地捕捉信号空间维度信息，降低模型的计算量，提高模型的抗噪性能，实现了端到端的实时故障诊断，并有效地提高道岔故障实时诊断的准确率。

关键词：一维卷积神经网络,S700k转辙机,时间序列,故障诊断