来源：期刊VIP网 时间：
作者：陈岩霖;孙庚;汪敏捷;贺鑫来;翟逸男;尹娴;冯艳红;
单位：大连海洋大学信息工程学院;
摘要：研究地铁车辆制动系统的故障诊断对保障交通安全、提高运营效率具有重要意义。针对当前的制动系统故障诊断研究存在过度依赖于专家的知识经验、数据融合效率不高以及现有模型训练参数过多的问题，提出了一种基于多传感器信息融合和改进卷积神经网络的“端到端”制动系统故障诊断方法。该方法不需要专家知识对数据进行特征提取，而是利用一维卷积神经网络（1D-CNN）来处理多传感器信息融合问题，并引入一维全局平均池化层（1D-GAP）改进神经网络结构，以减少模型训练参数。最终利用极端梯度提升模型（XGBoost）作为分类判别器，以提高故障诊断的准确性。实验结果表明，所提方法的准确率、精确率、召回率和F_1值分别为95.86%、96.59%、92.68%和93.15%，同时，在地铁车辆制动系统故障诊断方面展现了更优的性能。
关键词：多传感器信息融合;;卷积神经网络;;地铁车辆;;制动系统;;故障诊断;;XGBoost
基金资助：大连海洋大学科研项目：轨道列车智能运维管理平台（2023001）
