基于粗糙集理论的列控车载设备故障分析方法

作者：上官伟; 张军政; 冯娟; 蔡伯根; 王剑; 李正交

来源：铁道学报, 2018, 40(04): 60-67.

• 粗糙集理论
• 神经网络
• 故障诊断
• 列控系统
• 车载设备

快速、准确的故障诊断技术是高速列车安全运行的重要保证,本文以此为目标,对列控系统故障诊断方法进行研究,将神经网络算法NN分别应用于列控系统车载设备应答器传输单元BTM、列车接口单元TIU的故障诊断中,通过对比故障识别准确率BTM为训练阶段19.89%、测试阶段36.51%,TIU为训练阶段96.93%、测试阶段94.84%,得出当数据中噪声较大时,神经网络的分类能力降低。为了解决以上问题,引入粗糙集理论进行属性约简、去除噪声,用神经网络进行故障识别,最终得出BTM的故障识别准确率为训练阶段93.32%、测试阶段97.41%,TIU为训练阶段99.21%、测试阶段96.72%,表明粗糙集理论和神经网络的结合RSTNN能够保证故障诊断的准确性,从而验证该方法在实现列控系统车载设备故障诊断方面的有效性。

• 单位
  北京交通大学; 电子信息工程学院; 轨道交通控制与安全国家重点实验室