10.19713/j.cnki.43-1423/u.2018.12.031
基于GA-BP神经网络的列控车载设备故障诊断方法研究
针对列控车载设备故障复杂且故障分析多依赖人工经验完成等问题,以车载安全计算机记录的AElog故障数据为样本,提出一种基于反向传播(Back Propagation,BP)神经网络的车载设备智能故障诊断方法.为避免初选特征信息冗余,通过主分量启发式属性约简算法,对样本进行降维降噪处理.另外,考虑到BP神经网络对初始网络权重非常敏感,以不同的权重初始化网络,往往会收敛于不同的局部极小,利用遗传算法对BP神经网络的初始权值/阈值进行优化.研究结果表明:加入属性约简提高分类器的分类性能,通过遗传算法优化的BP神经网络避免局部极小问题,且迭代步数少,降低平均误差,提高分类精度.
车载设备、故障诊断、属性约简、遗传算法、BP神经网络
15
U284(铁路通信、信号)
国家自然科学基金地区科学基金资助项目61763023
2019-01-16（万方平台首次上网日期，不代表论文的发表时间）
共9页
3257-3265
