基于1DCNN-BiLSTM组合模型的S700K转辙机故障诊断

作者：王瑞峰^*; 李扬

来源：电子测量与仪器学报, 2022, 36(11): 193-200.

DOI：10.13382/j.jemi.B2205611

• 1DCNN
• BiLSTM
• S700K转辙机
• 故障诊断

针对S700K转辙机故障诊断有效特征提取困难，信号处理与分类算法难以联合优化的问题，提出了一维卷积神经网络(1DCNN)与双向长短期记忆神经网络(bidirectional long short-term memory, BiLSTM)结合的转辙机故障诊断方法。首先，对微机监测系统采集的转辙机功率曲线进行处理；其次，通过卷积神经网络(convolution neural networks, CNN)的卷积层和池化层对处理后的数据自适应提取故障特征；再经过扁平层(Flatten)把提取的故障特征作为BiLSTM层的输入，进一步挖掘深层次的特征；最后使用Softmax函数实现智能故障诊断。以某铁路局提供的真实数据验证模型，结果显示所提模型的精确率、召回率和F1值等评价指标分别达到98.99%、98.89%和98.89%,相较于其他经典故障诊断模型，1DCNN-BiLSTM模型在保证训练速度较快的情况下，将故障诊断的准确率至少提升了1.08%。

• 单位
  兰州交通大学