基于ST-CNN的城轨车辆制动系统通信故障预测方法

为了提高城轨车辆制动系统的行车安全性，降低交通事故的发生概率，提出一种基于ST-CNN的城轨车辆制动系统通信故障预测方法。分析时空卷积神经预测模型框架结构，建立时空序列矩阵，获取通信数据的正常模式和变化趋势。建立通信特征提取卷积神经网络，提取告警类型的通信特征，并实施降维处理。通过池化操作量化不同告警类型通信特征，采用全连接层转换不同告警特征向量值，完成制动系统通信故障预测。实验结果表明，所提方法的F₁值总体稳定在0.97以上，预测时间在0.5 s以下，预测值与实际值高度相似，可以满足城市轨道交通的实际需求。