摘 要: | 吊弦是高铁接触网系统的主要部件,容易发生断裂和松弛,直接威胁行车安全.在脉动风和受电弓同时作用下,安装于承力索和接触线上的加速度传感器所获取的加速度信号特征比较明显,应用LSTM网络模型,吊弦断裂和松弛故障容易检测.本文针对仅脉动风作用下,加速度信号特征微弱,吊弦故障难以检测问题,利用卷积神经网络强大的特征提取能力和循环神经网络的时序表达能力,同时引进注意力机制,建立CNN-LSTM和CNN-LSTM-Attention融合网络模型,并在网络训练过程中使用贝叶斯优化方法进行超参数选择.实验结果表明,相比LSTM模型,融合网络模型大大提高了吊弦故障检测的准确率,具有很强的实用性.
|