基于Dropout法优化的BP神经网络地铁列车塞拉门故障检测

作者：郭井宽

来源：城市轨道交通研究, 2022, 25(12): 39-51.

DOI：10.16037/j.1007-869x.2022.12.007

• 地铁列车
• 塞拉门
• 故障检测
• 后向传播神经网络

对正常、下挡销故障、压轮故障3种状态下的地铁列车塞拉门电机电流进行了时域分析，发现预处理后的3种状态电机电流在时域分布上有明显差异。在此基础上，提取3种状态下的电机电流并筛选合适的时域特征参数，将之与BP(后向传播)神经网络相结合，建立了1种基于Dropout法优化的BP神经网络地铁列车塞拉门故障检测模型，实现了对地铁列车塞拉门下挡销及压轮故障的检测。基于实际案例数据的测试结果表明：该模型可在一定程度上减少过拟合现象的发生，能有效检测出塞拉门下挡销及压轮的故障，其故障检测精度较高。