基于RS-ICS-BP的列控车载BTM故障诊断
牛宏侠
郭子钰
陈光武
1.兰州交通大学 自动控制研究所,兰州 730070;兰州交通大学 甘肃省高原交通信息工程及控制重点实验室,兰州 730070;兰州交通大学 轨道交通运行控制与运维甘肃省国际科技合作基地,兰州 730070;兰州交通大学 甘肃省铁路信号控制及调度集中工程实验室,兰州 7300702.兰州交通大学 自动控制研究所,兰州 730070;兰州交通大学 甘肃省高原交通信息工程及控制重点实验室,兰州 730070;兰州交通大学 轨道交通运行控制与运维甘肃省国际科技合作基地,兰州 730070;兰州交通大学 甘肃省铁路信号控制及调度集中工程实验室,兰州 7300703.兰州交通大学 自动控制研究所,兰州 730070;兰州交通大学 甘肃省高原交通信息工程及控制重点实验室,兰州 730070;兰州交通大学 轨道交通运行控制与运维甘肃省国际科技合作基地,兰州 730070;兰州交通大学 甘肃省铁路信号控制及调度集中工程实验室,兰州 730070
摘要：针对列车运行控制车载设备结构复杂,信息量大且故障分析多依赖于专家经验完成等问题,以CTCS3-300T型列控车载设备中应答器信息接收模块BTM故障文本数据为样本,提出一种基于粗糙集(Rough Set,RS)和改进布谷鸟搜索算法(Improved Cuckoo Search,ICS)优化神经网络(Back-Propagation,BP)的列控车载BTM智能故障诊断方法(RS-ICS-BP).首先,利用粗糙集理论处理不确定数据的优势对故障数据进行处理,消除冗余条件信息;再利用ICS算法确定适合的BP神经网络初始权值和阈值.以CTCS3-300T型车载设备BTM单元的93组数据为样本进行仿真实验,结果表明:RS-ICS-BP通过加入属性约简提高分类器的分类性能,通过ICS算法优化BP神经网络,避免了局部极小问题,且迭代步数少,平均误差得以降低,分类精度有所提升.
关键词：车载设备故障诊断粗糙集BP神经网络布谷鸟算法
分类号：U284(铁路通信、信号)
资助基金：国家自然科学基金(61863024)甘肃省高等学校科研项目(2017A-026)甘肃省高等学校科研项目(2018C-11)甘肃省高等学校科研项目(2018A-22)
论文发表日期：2020-04-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 52-57 )
英文信息