来源：期刊VIP网 时间：
作者：曹昕鸷;韩珏;
单位：浙江机电职业技术学院智慧交通分院;浙江理工大学机械与自动控制学院;
摘要：针对现有高速故障诊断方法在道岔转辙机故障诊断中存在的诊断准确率低和运行效率低等问题。在对道岔转辙机故障分析的基础上，提出一种融合卷积神经网络与长短期记忆网络的复合诊断模型，并通过多维度优化策略提升诊断性能。通过Haar小波变换与输入残差串联技术实现时域与频域信息的互补融合。采用优化后的卷积神经网络进行特征提取，并借助长短期记忆网络挖掘运行过程中的时序规律。通过试验验证了该方法的可行性。结果表明，通过数据增强、网络轻量化与时序建模的协同优化，在诊断准确率上优势明显，故障诊断准确率大于98.50%，为高速铁路信号设备智能化运维提供了有效技术方案。
关键词：铁路信号设备;;道岔转辙机;;故障诊断;;卷积神经网络;;长短期记忆网络
基金资助：浙江省基础公益研究计划项目(LGG21E060002)
