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
2
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
基于无标签自监督表示学习的转辙机故障诊断方法研究
被引量：
2
1
作者
郑启明
王小敏
江磊
《铁道科学与工程学报》
北大核心
2025年第1期404-415,共12页
转辙机是铁路系统中控制道岔转换的关键信号设备,准确诊断其工作状态对列车的行车安全和可靠至关重要。鉴于现场数据常缺乏标签且故障样本少,提出一种基于自监督表示学习的转辙机故障诊断方法。该方法首先将转辙机动作曲线转换为图像形...
转辙机是铁路系统中控制道岔转换的关键信号设备,准确诊断其工作状态对列车的行车安全和可靠至关重要。鉴于现场数据常缺乏标签且故障样本少,提出一种基于自监督表示学习的转辙机故障诊断方法。该方法首先将转辙机动作曲线转换为图像形式,随后通过自编码器提取数据的潜在特征。然后,基于同故障类型转辙机数据具有内在相似性,设计了一种表示学习模型,该模型通过比较批次数据间的相似关系来监督训练过程,实现高相似性数据的表示分布聚合,从而挖掘数据的潜在分类结构。此外,得益于对比学习的泛化优势,该方法能够利用不同类型转辙机的数据来增强模型训练效果。最终,通过聚类挖掘表示特征中的故障模式,并训练下游分类网络分类表示特征,从而实现不依赖人工标记数据的故障诊断模型。研究结果表明,相较于传统自编码器,对比表示学习模型可以更有效地区分不同故障类型的转辙机监测数据。在无标签训练模型的情况下,采用ZDJ9型转辙机现场数据训练模型后,在测试数据集上故障诊断准确率为99.63%,融合ZDJ9型和ZYJ7型转辙机现场数据训练模型后,故障诊断准确率提升到99.88%,比传统无监督学习模型准确率提升了8个百分点,并与监督学习模型性能相当。该方法结合了无监督模型不依赖人工标记数据和监督模型故障诊断准确率高的优势,为铁路现场转辙机故障诊断提供了一种新的可行方案。
展开更多
关键词
转辙机
故障诊断
自监督
对比学习
表示学习
在线阅读
下载PDF
职称材料
基于贝叶斯元学习的小样本转辙机故障诊断
被引量：
4
2
作者
赵盼
王小敏
傅美君
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2023年第10期4008-4020,共13页
转辙机作为转换道岔的关键设备,其工作状态的及时诊断对铁路行车安全和运输效率至关重要。针对铁路现场转辙机型号多、故障样本少、故障类别不均衡等实际问题,提出一种基于PLATIPUS贝叶斯元学习的小样本转辙机故障诊断方法。首先介绍转...
转辙机作为转换道岔的关键设备,其工作状态的及时诊断对铁路行车安全和运输效率至关重要。针对铁路现场转辙机型号多、故障样本少、故障类别不均衡等实际问题,提出一种基于PLATIPUS贝叶斯元学习的小样本转辙机故障诊断方法。首先介绍转辙机动作数据的微机监测采集原理及典型故障模式,然后分析贝叶斯元学习的小样本分类优势,在此基础上构建基于PLATIPUS算法的小样本转辙机故障诊断框架,并使用具有4个卷积模块的卷积神经网络作为故障诊断分类器,以模型损失、收敛速度和分类准确度为指标,通过实验确定模型的任务批次大小、元学习率、基础学习率等超参数。依托元学习片段式训练模式下的双层优化机制及贝叶斯元学习对模型不确定性的度量,诊断模型使用少量训练样本便可得到高准确度的故障分类器,并可实现不同型号转辙机故障的快速迁移诊断。最后以ZD9型和ZYJ7型2种典型转辙机的现场小样本数据为例进行测试验证,并与相关方法进行对比实验。实验结果表明,该方法在单型号转辙机故障诊断场景下准确度在95%以上,在跨型号转辙机故障迁移诊断场景下准确度可以达到91.98%。该方法对多种型号的转辙机非均衡小样本数据场景具备良好适应性,为铁路现场转辙机故障诊断提供了一种新的可行方案。
展开更多
关键词
转辙机
故障诊断
小样本
元学习
卷积神经网络
在线阅读
下载PDF
职称材料
题名
基于无标签自监督表示学习的转辙机故障诊断方法研究
被引量：
2
1
作者
郑启明
王小敏
江磊
机构
西南交通大学信息科学与
技术
学院
列车运行控制技术四川省工程研究中心
出处
《铁道科学与工程学报》
北大核心
2025年第1期404-415,共12页
基金
中国国家铁路集团有限公司科技研发计划(P2021G053,N2022G010)
敏捷智能计算四川省重点实验室开放式基金资助项目。
文摘
转辙机是铁路系统中控制道岔转换的关键信号设备,准确诊断其工作状态对列车的行车安全和可靠至关重要。鉴于现场数据常缺乏标签且故障样本少,提出一种基于自监督表示学习的转辙机故障诊断方法。该方法首先将转辙机动作曲线转换为图像形式,随后通过自编码器提取数据的潜在特征。然后,基于同故障类型转辙机数据具有内在相似性,设计了一种表示学习模型,该模型通过比较批次数据间的相似关系来监督训练过程,实现高相似性数据的表示分布聚合,从而挖掘数据的潜在分类结构。此外,得益于对比学习的泛化优势,该方法能够利用不同类型转辙机的数据来增强模型训练效果。最终,通过聚类挖掘表示特征中的故障模式,并训练下游分类网络分类表示特征,从而实现不依赖人工标记数据的故障诊断模型。研究结果表明,相较于传统自编码器,对比表示学习模型可以更有效地区分不同故障类型的转辙机监测数据。在无标签训练模型的情况下,采用ZDJ9型转辙机现场数据训练模型后,在测试数据集上故障诊断准确率为99.63%,融合ZDJ9型和ZYJ7型转辙机现场数据训练模型后,故障诊断准确率提升到99.88%,比传统无监督学习模型准确率提升了8个百分点,并与监督学习模型性能相当。该方法结合了无监督模型不依赖人工标记数据和监督模型故障诊断准确率高的优势,为铁路现场转辙机故障诊断提供了一种新的可行方案。
关键词
转辙机
故障诊断
自监督
对比学习
表示学习
Keywords
switch machine
fault diagnosis
self-supervised
contrastive learning
representations learning
分类号
U284.92 [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
基于贝叶斯元学习的小样本转辙机故障诊断
被引量：
4
2
作者
赵盼
王小敏
傅美君
机构
西南交通大学信息科学与
技术
学院
列车运行控制技术四川省工程研究中心
出处
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2023年第10期4008-4020,共13页
基金
中国国家铁路集团有限公司科技研发计划(P2021G053,N2022G010)
四川省科技计划资助项目(2019YFH0097)。
文摘
转辙机作为转换道岔的关键设备,其工作状态的及时诊断对铁路行车安全和运输效率至关重要。针对铁路现场转辙机型号多、故障样本少、故障类别不均衡等实际问题,提出一种基于PLATIPUS贝叶斯元学习的小样本转辙机故障诊断方法。首先介绍转辙机动作数据的微机监测采集原理及典型故障模式,然后分析贝叶斯元学习的小样本分类优势,在此基础上构建基于PLATIPUS算法的小样本转辙机故障诊断框架,并使用具有4个卷积模块的卷积神经网络作为故障诊断分类器,以模型损失、收敛速度和分类准确度为指标,通过实验确定模型的任务批次大小、元学习率、基础学习率等超参数。依托元学习片段式训练模式下的双层优化机制及贝叶斯元学习对模型不确定性的度量,诊断模型使用少量训练样本便可得到高准确度的故障分类器,并可实现不同型号转辙机故障的快速迁移诊断。最后以ZD9型和ZYJ7型2种典型转辙机的现场小样本数据为例进行测试验证,并与相关方法进行对比实验。实验结果表明,该方法在单型号转辙机故障诊断场景下准确度在95%以上,在跨型号转辙机故障迁移诊断场景下准确度可以达到91.98%。该方法对多种型号的转辙机非均衡小样本数据场景具备良好适应性,为铁路现场转辙机故障诊断提供了一种新的可行方案。
关键词
转辙机
故障诊断
小样本
元学习
卷积神经网络
Keywords
switch machine
fault diagnosis
few-shot
meta-learning
convolutional neural network
分类号
U284.92 [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
基于无标签自监督表示学习的转辙机故障诊断方法研究
郑启明
王小敏
江磊
《铁道科学与工程学报》
北大核心
2025
2
在线阅读
下载PDF
职称材料
2
基于贝叶斯元学习的小样本转辙机故障诊断
赵盼
王小敏
傅美君
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2023
4
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
