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

基于BP神经网络的动车组智能化控制和诊断研究

樊会星, 邹颖

樊会星, 邹颖. 基于BP神经网络的动车组智能化控制和诊断研究[J]. 铁路计算机应用, 2019, 28(11): 5-8.
引用本文: 樊会星, 邹颖. 基于BP神经网络的动车组智能化控制和诊断研究[J]. 铁路计算机应用, 2019, 28(11): 5-8.
FAN Huixing, ZOU Ying. Intelligent control and diagnosis of EMU based on BP neural network[J]. Railway Computer Application, 2019, 28(11): 5-8.
Citation: FAN Huixing, ZOU Ying. Intelligent control and diagnosis of EMU based on BP neural network[J]. Railway Computer Application, 2019, 28(11): 5-8.

基于BP神经网络的动车组智能化控制和诊断研究

基金项目: 

国家重点研发计划项目(2017YFB1201304-34)

详细信息
    作者简介:

    樊会星,工程师;邹颖,工程师。

  • 中图分类号: U266.2;TP277

Intelligent control and diagnosis of EMU based on BP neural network

  • 摘要: 为解决因采集数据异常导致的列车控制的误动作和误诊断问题,对基于BP神经网络的动车组智能化控制和诊断方法进行了研究,建立了基于BP神经网络的预测模型,采用列车实际运行数据进行多次训练和参数调整,获取最优网络模型,结合该模型的预测值和实际值得到最终可信值,并融入到现有列车控制逻辑中进行控制和诊断。通过实验验证,采用训练模型的预测结果与实际采集值相比具有较高准确性,能够达到预测效果。实验结果表明,采用BP神经网络模型进行状态预测,并结合相关处理策略进行列车运行控制及故障诊断具有可行性。
    Abstract: In order to solve the problem of misoperation and misdiagnosis of train control caused by abnormal data acquisition, this paper studied the intelligent control and diagnosis method of EMU based on BP neural network, established the prediction model based on BP neural network, obtained the optimal network model by using the train actual operation data for multiple training and parameter adjustment, combined the predicted value and actual value of the model to the final trusted value, and integrated into the existing train control logic for control and diagnosis. Through the experimental verification, the prediction results of the training model have higher accuracy compared with the actual acquisition value, and can achieve the prediction effect.The experimental results show that it is feasible to use BP neural network model to predict the state of the train, and combine with the relevant processing strategy to control the train operation and diagnose the fault.
  • [1] 王丽华,谢阳阳,张永宏,等. 采用深度学习的异步电机故障诊断方法[J]. 西安交通大学学报, 2017(10):128-134.
    [2] 刘鑫,贾云献, 孙磊,等. 基于BP神经网络的变速箱故障诊断方法研究[J]. 计算机测量与控制, 2017(1):12-15.
    [3] 王明强,钱兴达,刘志强. 基于BP神经网络的船舱温度预警系统[J]. 舰船科学技术, 2017(1):145-149.
    [4] 胥红敏,郭湛,李晓宇,等. 基于遗传算法优化BP神经网络的道口事故预测[J]. 铁路计算机应用, 2016, 25(3):8-11

    , 16.

    [5] 程清波. 基于BP神经网络的铁路客运设备故障监测模型设计与研究[J]. 铁路计算机应用, 2016, 25(2):3-6.
    [6] 潘志刚,刘三明,李莹,等. 基于深度学习网络的风电场功率短期预测研究[J]. 科技与创新, 2015(19):4-6.
    [7] 王开源. 城市生活垃圾热值计算模型研究[D]. 武汉:华中科技大学, 2007.
    [8] 赵桂清. BP神经网络信息融合的汽车载重测量方案[J]. 机械设计与制造, 2017(12):140-143.
  • 期刊类型引用(3)

    1. 曲涛,景宁,张仁义,洪希仁,常伟,王亚茹. 基于机器学习的辅助逆变器进风滤网堵塞诊断. 铁道车辆. 2024(03): 80-83 . 百度学术
    2. 胡平. 铁路机车车辆运行故障监测诊断研究. 粘接. 2021(06): 169-173 . 百度学术
    3. 王凯,刘成瑞. 动车组智能化网络控制系统研究. 智慧轨道交通. 2021(05): 13-18 . 百度学术

    其他类型引用(0)

计量
  • 文章访问数:  69
  • HTML全文浏览量:  1
  • PDF下载量:  14
  • 被引次数: 3
出版历程
  • 收稿日期:  2019-01-06

目录

    /

    返回文章
    返回