技术论文-基于机器学习的铁路道岔故障自动诊断方法

欢迎引用

[1]潘亚康.基于机器学习的铁路道岔故障自动诊断方法[J].自动化与仪器仪表,2023,No.280(02):16-20.DOI:10.14016/j.cnki.1001-9227.2023.02.016.

作者：潘亚康

( 中铁第一勘察设计院集团有限公司兰州铁道设计院 )

摘 要 :为了提高铁路道岔故障诊断的准确性 ,提出一种基于机器学习的铁路道岔故障自动诊断的模型 。首先 采用深度森林算法作为基础算法 ,构建故障诊断模型 。为了证明深度森林算法在道岔故障诊断方面更具优势 ,与 SVM 和 BP 神经网络两种经典算法模型进行对比 ,结果表明 :深度森林算法模型的道岔故障诊断的准确率高达 97% , 基于 SVM 与 BP 神经网络模型的准确率分别为 93%与 92%;在交叉测试中深度森林算法模型的 AUC 面积达到 0. 981,在多分类测试中 AUC 面积为 0. 974。可以证明 ,基于深度森林算法构建的故障诊断模型诊断有较高的准确性与 优越性。

关键词 :道岔故障诊断 ;深度森林算法;机器学习;小数据集

（来源： 自动化与仪器仪表 2023年第2期）

关注我的你，是最香哒！