基于LSTM的电气化铁路牵引供电故障识别研究

摘要

为了减少牵引供电故障对电气化铁路运行安全的影响,需要提供更准确、快速的牵引供电故障识别方法。为此研究在牵引供电故障分析的基础上,基于长短时记忆神经网络,构建故障识别模型,并引入卷积神经网络进一步加快识别速度。测试结果表明,研究所提模型的准确率达到了0.98,而单一的卷积神经网络为0.81,长短时记忆神经网络为0.82。相较于其他两个模型,研究所提模型的准确率至少提高了20%;此外,在数据量为100时,相较于长短时记忆神经网络,研究所提模型的运行时间减少了2.36 s,验证了研究的有效性。研究结果为保障牵引供电安全提供了参考。

关键词

牵引供电 / 电气化铁路 / 故障识别 / 长短时记忆网络 / 卷积神经网络