科研之友
微信
新浪微博
Facebook
分享链接
摘要
以车站现场采集到的ZYJ7型交流道岔转辙机所产生真实道岔动作电流曲线数据为依托，提出基于掩码自编码器的小样本深度学习模型，无须进行特征提取，可实现端到端的自监督学习。首先进行数据预处理，将道岔动作电流曲线数据统一为相同的维数；然后通过随机掩码，将具有人工标签的少量故障数据增强为数量足够大的自监督样本集合，并使用自编码器作为正则化约束；最后通过故障诊断网络，诊断出曲线的故障类型和故障位置。在实验室和车站现场对该模型进行验证，结果表明：该模型在小样本数据集上对故障分类的准确性预测可达到98%以上，同时也能快速定位曲线故障发生的位置。
-
单位东北大学; 中国铁道科学研究院集团有限公司; 河北环境工程学院
