科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对轨道电路故障检测实时性差且故障位置不确定等问题，提出了一种基于改进固有时间尺度分解(Improved intrinsic time-scale decomposition, IITD)和样本熵值作为特征值输入以改进深度置信网络(Deep belief network, DBN)识别的轨道电路故障检测方法。首先，采用IITD方法对故障信号进行分解，筛选包含主要故障特征信息的PR分量。其次，计算其样本熵值作为信号的特征值。最后，将特征值输入至改进的DBN网络中，进行故障检测。以180组轨道电路历史故障数据为输入，本算法准确率达97.22%,较BP神经网络、 PMFCC-DTW、模糊神经网络以及未经优化的DBN,其检测准确率分别提高7.12%, 4.98%, 6.34%和3.82%,可以作为轨道电路的故障检测的有效方法。
- 单位
