期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于FOA-BP神经网络模型的城市轨道交通列车车门故障预诊断
1
作者 温凯越 仇维斌 +1 位作者 丁先泽 欧红香 《城市轨道交通研究》 北大核心 2025年第5期278-282,共5页
[目的]为了在城市轨道交通(以下简称“城轨”)列车车门发生故障前展开预防性维修,避免人员和财产受到损害,保证城轨列车的运行安全性,有必要研究城轨列车车门故障的预诊断。[方法]以城轨列车车门发生故障前的异常电流信号作为研究对象,... [目的]为了在城市轨道交通(以下简称“城轨”)列车车门发生故障前展开预防性维修,避免人员和财产受到损害,保证城轨列车的运行安全性,有必要研究城轨列车车门故障的预诊断。[方法]以城轨列车车门发生故障前的异常电流信号作为研究对象,设计了一种FIR(有限冲激响应)滤波器,对采集到的城轨列车车门电流信号数据进行数据滤波与量纲一化处理;通过FOA(果蝇优化算法)-BP(反向传播)神经网络模型,对量纲一化后不同车门的关门状态学习样本数据进行学习训练,并输出测试结果;对比分析FOA-BP与BP神经网络模型训练后的输出结果。[结果及结论]采用FIR滤波器+汉宁窗函数法能够有效去除高频噪音的干扰,保留能够正确反映电流变化趋势的低频信号部分;相比于传统BP神经网络模型,采用FOA-BP神经网络模型进行训练,具有训练方法简洁、训练时间短、诊断精度大幅提高等优点;FOA-BP神经网络模型的真实输出值与期望输出值误差小于1%,能够满足城轨列车车门故障精准诊断的需求。 展开更多
关键词 城市轨道交通 列车车门 神经网络模型 故障预诊断
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部