面向铁路隧道清筛作业的机械臂故障诊断方法研究
张召志
南京铁道车辆技师学院 江苏南京 210000
摘要：针对铁路隧道清筛作业中的机械臂故障诊断问题,文章建立了基于改进的积分点火(leaky integrate-and-fire neuron,LIF)模型的神经网络实现故障识别.通过脉冲编码和突触可塑性机制,有效处理机械臂的动态和时序数据,并动态调整突触强度结合奖惩机制提升故障特征的学习能力.模型创新之处在于结合奖惩机制与学习竞争策略,从而提高故障特征学习效率并降低误识率.仿真结果显示,在连杆脱落和变形故障中,改进LIF模型的测试准确率分别为97.84％和99.12％,明显高于差分进化极限学习机的90.33％和96.31％.在训练集和测试集上的综合准确率为92.48％和94.51％,显著高于差分进化极限学习机的90.17％和93.50％.结果证明了改进LIF模型在机械臂故障诊断中的有效性和潜力,特别是在相似故障类型识别方面表现出更高的精度和敏感性.
关键词：隧道清筛积分点火模型脉冲编码突触可塑性机械臂故障
论文发表日期：2026-01-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 187-190 )