基于状态空间级联预测网络的列车牵引电机故障检测OA
列车牵引电机系统具有显著的过程动态性与非线性特征,准确捕捉其数据中蕴含的动态演变规律有助于提升故障检测精度。为此,文章设计了一种基于状态空间级联预测网络(SSCPN)的列车牵引电机故障检测方法,通过充分捕捉牵引电机动态信息以提升故障检测效果。首先,构建动态历史输入输出数据、未来输入数据与未来输出数据间的级联结构映射关系,进而利用可学习矩阵与神经网络协同拟合该映射关系;然后,构建面向正常状态输出预测精度提升的状态观测器系统矩阵约束,并将该约束项引入网络损失函数中,实现矩阵约束的自适应满足;最后,利用故障状态下预测残差异常的特性,结合霍特林统计量与核密度估计阈值完成故障判定。列车牵引电机故障注入仿真实验表明,本文所提方法可通过正常与故障状态下的模型预测精度差异实现故障的有效识别,识别误报率和漏报率较动态主成分分析(DPCA)、深度自动编码器(DAE)、瓶颈深度神经网络(BottleneckDNN)方法平均降低约14.90%和68.46%,验证了所提方法的有效性和优越性。
李林;王梦龙;肖试录;顾磊;邓英俊
株洲国创轨道科技有限公司,湖南株洲412005株洲国创轨道科技有限公司,湖南株洲412005株洲国创轨道科技有限公司,湖南株洲412005株洲国创轨道科技有限公司,湖南株洲412005株洲国创轨道科技有限公司,湖南株洲412005
信息技术与安全科学
状态空间建模深度神经网络故障检测牵引电机
《控制与信息技术》 2026 (3)
P.71-79,9
湖南省科技创新计划资助(2023RC1088)。
评论