基于CNN-LSTM的鐵路道岔故障診斷系統(tǒng)研究

摘 要：鐵路道岔是鐵路運(yùn)輸系統(tǒng)中的關(guān)鍵組成部分，其工作狀態(tài)直接影響著列車運(yùn)行的安全與效率，鐵路道岔故障的及時(shí)診斷與檢修對確保鐵路系統(tǒng)正常運(yùn)行至關(guān)重要。本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）和長短期記憶網(wǎng)絡(luò)（LSTM）混合而成的深度學(xué)習(xí)故障診斷模型，通過采集鐵路道岔動(dòng)作電流和功率曲線數(shù)據(jù)來組成訓(xùn)練集和測試集，并對模型進(jìn)行訓(xùn)練和測試，結(jié)果表明，與單一的CNN和LSTM診斷模型相比，本文提出的CNN-LSTM混合模型的故障診斷效果更優(yōu)。（剩余4456字）