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
基于掩码自编码器的小样本深度学习道岔故障诊断模型
被引量：
9
1
作者
李刚
徐长明
+3 位作者
龚翔
卢佩玲
董贺超
史维利
《中国铁道科学》
EI
CAS
CSCD
北大核心
2022年第6期175-185,共11页
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...
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。
展开更多
关键词
掩码
小样本学习
自编码器
道岔故障诊断
深度学习
在线阅读
下载PDF
职称材料
题名
基于掩码自编码器的小样本深度学习道岔故障诊断模型
被引量：
9
1
作者
李刚
徐长明
龚翔
卢佩玲
董贺超
史维利
机构
中国
铁道科学研究院研究生部
中国
铁道科学研究院
集团
有限公司
通信信号研究所
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
东北大学秦皇岛分校计算机与通信工程学院
河北环境工程学院信息工程系
中国铁路沈阳局集团有限公司吉林电务段
出处
《中国铁道科学》
EI
CAS
CSCD
北大核心
2022年第6期175-185,共11页
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)。
文摘
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
Keywords
Mask
Few-shot learning
Autoencoder
Turnout fault diagnosis
Deep learning
分类号
U284.5 [交通运输工程—交通信息工程及控制]
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
基于掩码自编码器的小样本深度学习道岔故障诊断模型
李刚
徐长明
龚翔
卢佩玲
董贺超
史维利
《中国铁道科学》
EI
CAS
CSCD
北大核心
2022
9
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
