期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进1D-CNN的轨道交通配电网馈线系统故障诊断模型研究
1
作者
赵晓震
顾湘龙
+3 位作者
苏醒
周全
李奎
宋金川
《中国铁道科学》
2025年第5期193-202,共10页
针对轨道交通馈线系统中继电保护装置动作故障诊断耗时长且依赖专家经验的现状,提出1种基于生成对抗网络增强的合成少数类过采样技术(SMOTE-GAN)和组合麻雀搜索算法(CSSA)优化的一维卷积神经网络(1D-CNN)故障诊断模型SG-CSSA-1D-CNN。首...
针对轨道交通馈线系统中继电保护装置动作故障诊断耗时长且依赖专家经验的现状,提出1种基于生成对抗网络增强的合成少数类过采样技术(SMOTE-GAN)和组合麻雀搜索算法(CSSA)优化的一维卷积神经网络(1D-CNN)故障诊断模型SG-CSSA-1D-CNN。首先,通过SMOTE生成局部理想的少数类样本作为生成对抗网络(GAN)生成器的输入,融合SMOTE的局部插值优势与GAN的全局分布学习能力,解决原始样本不足及生成样本质量不高的问题;其次,采用引入Tent混沌序列和高斯变异机制的CSSA算法提升全局寻优效率,实现1D-CNN最优超参数的自动搜索,优化模型分类性能;最后,基于包含18个电气特征的9类故障实际数据集,构建故障诊断模型。结果表明:与原始1D-CNN模型相比,优化后的模型损失降低12.5%,其诊断准确率提升至98.46%,9类故障分类精度达到均衡。该方法可有效解决类别不平衡数据下的故障识别难题,并显著提升继电保护装置动作故障的识别可靠性。
展开更多
关键词
轨道交通
馈线系统故障诊断
SMOTE-GAN融合
算法
组合麻雀优化算法
一维卷积神经网络
在线阅读
下载PDF
职称材料
题名
基于改进1D-CNN的轨道交通配电网馈线系统故障诊断模型研究
1
作者
赵晓震
顾湘龙
苏醒
周全
李奎
宋金川
机构
河北工业大学智能配用电装备与系统全国重点实验室
出处
《中国铁道科学》
2025年第5期193-202,共10页
基金
河北省高等学校科学研究项目(QN2025339)
天津市教委科研计划项目(2023KJ301)。
文摘
针对轨道交通馈线系统中继电保护装置动作故障诊断耗时长且依赖专家经验的现状,提出1种基于生成对抗网络增强的合成少数类过采样技术(SMOTE-GAN)和组合麻雀搜索算法(CSSA)优化的一维卷积神经网络(1D-CNN)故障诊断模型SG-CSSA-1D-CNN。首先,通过SMOTE生成局部理想的少数类样本作为生成对抗网络(GAN)生成器的输入,融合SMOTE的局部插值优势与GAN的全局分布学习能力,解决原始样本不足及生成样本质量不高的问题;其次,采用引入Tent混沌序列和高斯变异机制的CSSA算法提升全局寻优效率,实现1D-CNN最优超参数的自动搜索,优化模型分类性能;最后,基于包含18个电气特征的9类故障实际数据集,构建故障诊断模型。结果表明:与原始1D-CNN模型相比,优化后的模型损失降低12.5%,其诊断准确率提升至98.46%,9类故障分类精度达到均衡。该方法可有效解决类别不平衡数据下的故障识别难题,并显著提升继电保护装置动作故障的识别可靠性。
关键词
轨道交通
馈线系统故障诊断
SMOTE-GAN融合
算法
组合麻雀优化算法
一维卷积神经网络
Keywords
Rail transit
Feeder system fault diagnosis
SMOTE-GAN fusion algorithm
Combined Sparrow Search Algorithm(CSSA)
One-Dimensional Convolutional Neural Network(1D-CNN)
分类号
U224.4 [交通运输工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进1D-CNN的轨道交通配电网馈线系统故障诊断模型研究
赵晓震
顾湘龙
苏醒
周全
李奎
宋金川
《中国铁道科学》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
