基于 CNN-GRU-Attention 的道岔故障诊断算法研究
来源：机械与电子杂志2024年第06期北京时间：
作者：王凡;甄子洋;邓敏
单位：1. 南京航空航天大学自动化学院,江苏 南京 211106 ;
?2. 南京轨道交通系统工程有限公司,江苏 南京 210019
摘要：道岔是关系列车运行安全的铁路信号基础设备之一。通过分析道岔运行过程的功率数据,可以有效判断道岔的运行状况。为实现对道岔故障自动、高效、准确的诊断,研究并提出了一种基于深度学习的故障诊断方法。首先利用卷积神经网络提取数据空间性特征,再调用门控循环单元网络提取时间性特征,再引入注意力机制对特征进行权重分配,最后使用 Softmax 分类器进行分类。在对比实验中用多种指标评定该方法的性能,结果表明,所提方法相较于基础方法和另外 2 种现有方法在诊断性能上有着显著的优势。
关键词：道岔故障诊断;卷积神经网络;门控循环单元;注意力机制
