基于改进PSO-LSTM的列车空转预警模型研究

胡胜; 丁健斌; 贺岚晴; 王逸风; 刘聪

doi:10.13291/j.cnki.djdxac.2024.05.008

大连交通大学学报 ›› 2024, Vol. 45 ›› Issue (05) : 53 -60. DOI: 10.13291/j.cnki.djdxac.2024.05.008

基于改进PSO-LSTM的列车空转预警模型研究

胡胜, 丁健斌, 贺岚晴, 王逸风, 刘聪

作者信息 +

Author information +

文章历史 +

PDF (12891K)

摘要

基于阈值法和最佳黏着点搜索法的列车黏着控制策略，易受到线路复杂运行条件的影响，难以避免宏观空转的发生。为了对空转实现有效预警，首先对列车行驶数据利用滑动窗口进行样本划分并分类标注，提取时频域特征并进行信息冗余分析，然后通过改进学习因子的PSO算法搜索最优样本划分参数和LSTM隐藏神经元数量，最后利用改进的PSO-LSTM神经网络搭建列车轮轨黏着状态的分类模型，对运行中轮轨实时黏着状态进行分类。实例验证表明，该模型对临界黏着状态进行识别的精确率为95.29%,敏感度为92.57%,相比传统组合阈值法能实现在空转前约0.5 s进行预警，可有效辅助列车及时进行黏着控制。