基于CNN-LSTM的铁路道岔故障诊断系统研究
摘 要：铁路道岔是铁路运输系统中的关键组成部分，其工作状态直接影响着列车运行的安全与效率，铁路道岔故障的及时诊断与检修对确保铁路系统正常运行至关重要。本文提出了一种基于卷积神经网络（CNN）和长短期记忆网络（LSTM）混合而成的深度学习故障诊断模型，通过采集铁路道岔动作电流和功率曲线数据来组成训练集和测试集，并对模型进行训练和测试，结果表明，与单一的CNN和LSTM诊断模型相比，本文提出的CNN-LSTM混合模型的故障诊断效果更优。（剩余4456字）