文章详情
| 稿件标题： | 基于BiLSTM模型的车载ATC设备故障诊断方法 |
| 稿件作者： | 余辉敏，徐永能，陈新，肖添文 |
| DOI： | 10.11809/bqzbgcxb2021.02.028 |
| 科学编辑： | 郑长松 博士（北京理工大学副教授、博导） |
| 栏目名称： | 信息科学与控制工程 |
| 关键词： | 双向长短时记忆网络；神经网络；列控车载设备；故障诊断；交通信息工程及控 |
| 文章摘要： | 以某地铁1号线车载列车自动控制系统设备故障记录数据为样本，提出了一种基于双向长短时记忆网络模型的车载列车自动控制系统设备故障诊断方法，利用BiLSTM网络的记忆特性，学习故障描述语句间的故障特征信息，提取其中的语义依赖，然后用未学习样本数据对模型验证，最后用十折交叉验证法计算模型精度，该模型的准确率为98.9%，故障诊断方法能够对样本故障进行准确分类。 |
| 稿件基金： | 国家重点研发计划项目(2017YFB1001801)；中央高校基本科研业务费专项资金项目（30917012102） |
| 引用本文格式： | 余辉敏，徐永能，陈新，等.基于BiLSTM模型的车载ATC设备故障诊断方法［J］.兵器装备工程学报，2021,42(02):147-151. YU Huimin，XU Yongneng，CHEN Xin，et al.Fault Diagnosis Method of OnBoard ATC Equipment Based on BiLSTM Algorithm［J］.Journal of Ordnance Equipment Engineering,2021,42(02):147-151. |
| 刊期名称： | 2021年02期 |
| 出版时间： | 2021年2月 |
| 上线时间： | 2021年2月28日 |
| 浏览次数： | 2575 |
| 下载次数： | 495 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |