基于KOA-Transformer-BiLSTM的高速铁路道岔故障诊断方法技术

本发明专利技术公开了一种基于KOA‑Transformer‑BiLSTM的高速铁路道岔故障诊断方法，首先，对比高速铁路道岔正常转换转辙机功率曲线的特点，获得分布在道岔转辙机功率曲线各个阶段的典型道岔故障类型；其次，调取典型道岔故障的转辙机功率曲线，采用GAN模型进行数据扩充，构建出道岔故障样本数据集；再次，构建基于Transformer‑BiLSTM的道岔故障诊断模型，包括序列输入层、加法层、Transformer‑BiLSTM单元、ReLU激活函数层、随机失活层、索引层、全连接层及Softmax激活函数；利用KOA优化BiLSTM网络超参数；最后，将道岔故障样本数据集输入优化后的模型进行道岔故障诊断。本发明专利技术解决因样本不均衡或样本数量少造成的道岔故障诊断能力及泛化能力差的问题，不仅具有较高的故障诊断准确率，而且简化了故障诊断流程。

【技术实现步骤摘要】

本专利技术属于高速铁路道岔故障诊断，具体涉及一种基于koa-transformer-bilstm的高速铁路道岔故障诊断方法。

技术介绍

1、近年来，随着列车运行速度的提高、行车密度的加大，对铁路基础设施的运维带来了更高的挑战，道岔设备作为铁路线路的重要组成部件之一，其故障率高达铁路信号设备总故障数的39%，能否及时、精准地定位道岔故障类型是保障铁路交通稳定、安全、高效运营的关键。

2、现有的道岔故障诊断方法有：（1）赵林海等人[赵林海，陆桥.基于灰关联的道岔故障诊断方法[j].铁道学报，2014，36(2)：69-74.]采用fisher准则进行特征向量选择，通过计算待测样本与各故障模式特征间的灰关联度实现道岔故障诊断。（2）杨菊花等人[杨菊花，于苡健，陈光武，等.基于cnn-gru模型的道岔故障诊断算法研究[j].铁道学报，2020，42(7)：102-109.]提出道岔故障诊断cnn-gru模型，将道岔动作电流曲线和转辙机功率曲线经哈尔小波变换后，再采用卷积神经网络提取故障特征，之后通过门控循环单元实现道岔故障诊断。（3）王彦快等人[王彦快本文档来自技高网...

【技术保护点】

1.基于KOA-Transformer-BiLSTM的高速铁路道岔故障诊断方法，其特征在于，包括如下步骤：

2.如权利要求1所述的基于KOA-Transformer-BiLSTM的高速铁路道岔故障诊断方法，其特征在于，步骤S2中，所述GAN模型进行数据扩充的方法如下：

3.如权利要求2所述的基于KOA-Transformer-BiLSTM的高速铁路道岔故障诊断方法，其特征在于，所述GAN模型中，生成器和鉴别器的损失函数分别定义为：

4.如权利要求1所述的基于KOA-Transformer-BiLSTM的高速铁路道岔故障诊断方法，其特征在于，步骤S4中，...

【技术特征摘要】

1.基于koa-transformer-bilstm的高速铁路道岔故障诊断方法，其特征在于，包括如下步骤：

2.如权利要求1所述的基于koa-transformer-bilstm的高速铁路道岔故障诊断方法，其特征在于，步骤s2中，所述gan模型进行数据扩充的方法如下：

3.如权利要求2所述的基于koa-transformer-bilstm的高速铁路道岔故障诊断方法，其特征在于，所述gan模型...

【专利技术属性】
技术研发人员：张文韬，王彦快，陈光武，石建强，杨帆，赵珊鹏，王锋，陈江波，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：