文献类型：期刊文章

作　　者：李刚[1,2,3] 徐长明[4] 龚翔[5] 卢佩玲[2,3] 董贺超[4] 史维利[6]

LI Gang;XU Changming;GONG Xiang;LU Peiling;DONG Hechao;SHI Weili(Postgraduate Department,China Academy of Railway Sciences,Beijing 100081,China;Signal&Communication Research Institute,China Academy of Railway Sciences Corporation Limited,Beijing 100081,China;National Research Center of Railway Intelligence Transportation System Engineering Technology,China Academy of Railway Sciences Corporation Limited,Beijing 100081,China;School of Computer and Communication Engineering,Northeastern University at Qinhuangdao,Qinhuangdao Hebei 066004,China;Department of Information Engineering,Hebei University of Environmental Engineering,Qinhuangdao Hebei 066102,China;Jilin Telecommunication and Signal Depot,China Railway Shenyang Bureau Group Co.,Ltd.,Jilin Jilin 130051,China)

机构地区：[1]中国铁道科学研究院研究生部,北京100081 [2]中国铁道科学研究院集团有限公司通信信号研究所,北京100081 [3]中国铁道科学研究院集团有限公司国家铁路智能运输系统工程技术研究中心,北京100081 [4]东北大学秦皇岛分校计算机与通信工程学院,河北秦皇岛066004 [5]河北环境工程学院信息工程系,河北秦皇岛066102 [6]中国铁路沈阳局集团有限公司吉林电务段,吉林吉林130051

出　　处：《中国铁道科学》

基　　金：国家自然科学基金-高铁联合基金资助项目(U1734211);中国国家铁路集团有限公司科技研究开发计划系统性重大项目(P2021G053);中国铁道科学研究院集团有限公司院基金课题(2020YJ133)。

年　　份：2022

卷　　号：43

期　　号：6

起止页码：175-185

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：以车站现场采集到的ZYJ7型交流道岔转辙机所产生真实道岔动作电流曲线数据为依托,提出基于掩码自编码器的小样本深度学习模型,无须进行特征提取,可实现端到端的自监督学习。首先进行数据预处理,将道岔动作电流曲线数据统一为相同的维数;然后通过随机掩码,将具有人工标签的少量故障数据增强为数量足够大的自监督样本集合,并使用自编码器作为正则化约束;最后通过故障诊断网络,诊断出曲线的故障类型和故障位置。在实验室和车站现场对该模型进行验证,结果表明:该模型在小样本数据集上对故障分类的准确性预测可达到98%以上,同时也能快速定位曲线故障发生的位置。

关 键 词：掩码 小样本学习  自编码器  道岔故障诊断  深度学习  

分 类 号：U284.5]