来源：期刊VIP网 时间：
作者：郑云水;刘杨洋
单位：1.兰州交通大学自动化与电气工程学院
摘要：针对传统故障诊断方法对电码化轨道电路诊断准确率不高的问题，提出融合特征选择与蜣螂优化算法(Dung Beetle Optimizer, DBO)优化的深度极限学习机(Deep Extreme Learing Machine, DELM)轨道电路故障诊断方法。首先，利用ReliefF算法对数据集进行特征预处理，将进行特征选择后的数据作为DELM模型的输入数据集。其次，将DELM的诊断准确率作为DBO参数更新依据，通过迭代优化的方式更新最优权重。DBO优化后的权重作为DELM模型的初始权重，对电码化轨道电路进行故障诊断。改进后的DELM算法在两个数据集上诊断准确率分别达到98.57%和99%,与其他分类模型比较，在多项分类指标上均有较好的表现。研究表明，DBO优化后的DELM算法提高了故障诊断的准确率，针对不同的数据集均有较高的诊断结果。
关键词：安全工程;电码化轨道电路;故障诊断;蜣螂优化算法;深度极限学习机;ReliefF
基金资助：国家重点研发计划项目(2021YFB2300305-05)
