重载铁路电务设备智能运维系统的设计和实现

针对传统重载铁路电务设备运维能力低,导致运维作业精准度不高的问题,提出基于深度学习的重载铁路电务设备智能运维系统。首先采用监测运维一体化采集电务设备运维数据;然后基于大数据技术,将递归神经网络RvNN、树形长短期记忆网络Tree-LSTM和树形卷积神经网络TBCNN三个树形神经网络进行融合,并与循环神经网络及衔生算法相结合,构建一个基于联锁逻辑时序与深度学习相结合的设备运维模型;最后通过构建模型进行联锁故障诊断和设备状态评估。实验结果表明,在二分类任务中,本模型的故障诊断准确率高达98.54%;在多分类任务中的诊断准确率为89.13%,对比于单一的树形结构模型和BP神经网络模型,多分类任务中的诊断率分别高出了15%和20%。系统应用发现,该系统能够进行重载铁路电务设备运维状态预测和准确评估,实现了电务设备全生命周期管理和自动化运维。