声明
第1 章绪论
1.1研究背景与意义
1.2 国内外研究现状
1.2.1转辙机故障诊断方法的研究现状
1.2.2深度学习在自然语言处理领域的研究现状
1.3 论文的主要研究内容
第2 章 ZYJ7型转辙机的工作原理和故障模式
2.1 ZYJ7 型转辙机设备的介绍
2.1.1 ZYJ7型转辙机的基本结构
2.1.2 ZYJ7型转辙机的工作原理
2.2 ZYJ7 型液压转辙机的故障类型
2.3 ZYJ7 型转辙机的分层故障诊断流程
2.4 本章小结
第3 章维修日志数据处理
3.1 故障数据预处理
3.1.1 故障数据介绍
3.1.2 结合铁路领域专业词汇的中文分词
3.2 基于LDA模型建立故障特征词典
3.2.1 特征表示
3.2.2 建立故障特征词典
3.2.3 融合先验知识的LDA模型
3.2.4 实验结果展示
3.3 基于Word2vec语义训练词向量
3.3.1 word2vec语义模型
3.3.2 word2vec训练模型
3.3.3 实验结果展示
3.4 本章小结
第4 章基于深度残差网络的转辙机分层故障诊断
4.1 CNN卷积神经网络文本分类
4.1.1 神经网络原理介绍
4.1.2 CNN文本分类原理介绍
4.2 基于深度残差的CNN网络建模
4.2.1网络结构设计
4.2.2网络结构优化
4.3网络参数设置
4.3.1 卷积核设置
4.3.2 激活函数选取
4.3.3 超参数设置
4.4故障诊断结果分析
4.4.1 一级故障诊断
4.4.2 二级故障诊断
4.5 本章小结
第5 章 模型的改进与对比实验分析
5.1 基于时序序列的CNN+LSTM模型
5.1.1 LSTM模型原理介绍
5.1.2 CNN+LSTM网络建模
5.1.3二级故障诊断结果
5.2 基于boosting集成的CNN+LSTM 故障诊断模型
5.2.1 不平衡数据集文本分类方法选取
5.2.2 基于boosting集成的CNN+LSTM模型
5.2.3 基于boosting集成的二级故障诊断结果
5.3 故障诊断结果对比
5.3.1 分类器评价指标
5.3.2 一级故障诊断对比分析
5.3.3 二级故障诊断对比分析
5.4 本章小结
结论与展望
致 谢
参考文献
攻读硕士期间发表的论文及参与的科研项目
西南交通大学;