• 查询稿件
  • 获取最新论文
  • 知晓行业信息
官方微信 欢迎关注

SA-BP神经网络在轨道电路故障诊断中的应用研究

徐绍俊

徐绍俊. SA-BP神经网络在轨道电路故障诊断中的应用研究[J]. 铁路计算机应用, 2019, 28(11): 55-58.
引用本文: 徐绍俊. SA-BP神经网络在轨道电路故障诊断中的应用研究[J]. 铁路计算机应用, 2019, 28(11): 55-58.
XU Shaojun. SA-BP neural network applied to track circuit fault diagnosis[J]. Railway Computer Application, 2019, 28(11): 55-58.
Citation: XU Shaojun. SA-BP neural network applied to track circuit fault diagnosis[J]. Railway Computer Application, 2019, 28(11): 55-58.

SA-BP神经网络在轨道电路故障诊断中的应用研究

详细信息
    作者简介:

    徐绍俊,在读硕士研究生。

  • 中图分类号: U284.2;TP39

SA-BP neural network applied to track circuit fault diagnosis

  • 摘要: 针对25 Hz相敏轨道电路故障的复杂性,提出一种模拟退火(SA,Simulated Annealing)算法与BP神经网络相结合的故障诊断方法。发挥SA算法全局寻优的特点来优化BP神经网络的学习过程,避免网络训练时间长和陷入局部极小值;通过Matlab进行仿真分析,结果表明,将该方法应用于轨道电路故障诊断,可有效提高故障诊断效率和准确度。
    Abstract: Aiming at the complexity of 25 Hz phase sensitive track circuit fault, this paper proposed a fault diagnosis method combining simulated annealing (SA) algorithm with BP neural network.The learning process of BP neural network was optimized by using the global optimization feature of SA algorithm to avoid long training time and falling into local minimum.Through Matlab simulation analysis, the results show that the application of this method to track circuit fault diagnosis can effictively improve the efficiency and accuracy of fault diagnosis.
  • [1] 张喜,杜旭升,刘朝英. 车站信号控制设备故障诊断专家系统的研究与实现[J].铁道学报, 2009, 31(3):43-49.
    [2] 赵林海,冉义奎,穆建成.基于遗传算法的无绝缘轨道电路故障综合诊断方法[J].中国铁道科学, 2010, 31(3):107-113.
    [3]

    CHEN J,ROBERTS C,WESTON P. Fault Detection and Diagnosis for Railway Track Circuits Using Neuro-fuzzy Systems[J]. Control Engineering Practice,2008,16(5):585-596.

    [4]

    LATIFA O,ALEXANDRA D,THIERRY D,et al. Fault Diagnosis in Railway Track Circuits Using Dempster-shafer Classifier Fusion[J]. Engineering Applications of Artificial Intelligence, 2010, 23(1):117-128.

    [5] 黄赞武,魏学业,刘泽. 基于模糊神经网络的轨道电路故障诊断方法研究[J]. 铁道学报, 2012, 34(11):54-59.
    [6] 王秋实,王小敏. 基于FTA与改进神经网络的轨道电路红光带诊断方法[J]. 铁道标准设计, 2017, 61(4):147-153.
    [7] 陈欣. 基于粒子群支持向量机的轨道电路故障诊断[J]. 铁路计算机应用, 2016, 28(8):56-59.
    [8] 宋志宇,李俊杰. 基于模拟退火神经网络模型的岩质边坡稳定性评价方法[J]. 长江科学院院报, 2006, 23(2):42-45.
    [9] 何尔利,翟正军. 基于退火BP神经网络的模拟电路故障诊断方法[J]. 计算机测量与控制, 2010, 18(1):67-69.
  • 期刊类型引用(4)

    1. 韩笑. 97型25 Hz相敏轨道电路故障诊断流程分析与系统设计. 科学技术创新. 2023(02): 87-90 . 百度学术
    2. 李长春,赵林海. 基于LightGBM算法的25Hz相敏轨道电路故障诊断方法优化. 铁道学报. 2022(08): 68-77 . 百度学术
    3. 贾智奥,禹建丽,刘泽源,陈洪根. 基于神经网络的轨道电路行车信号判断. 科技与创新. 2022(21): 4-9+14 . 百度学术
    4. 田粉霞,杨世武,崔勇,武沛. 基于改进卷积神经网络的无绝缘轨道电路调谐区故障诊断. 铁路计算机应用. 2020(06): 58-63+74 . 本站查看

    其他类型引用(12)

计量
  • 文章访问数:  69
  • HTML全文浏览量:  0
  • PDF下载量:  9
  • 被引次数: 16
出版历程
  • 收稿日期:  2019-01-18

目录

    /

    返回文章
    返回