← 返回
基于宽学习的高速列车牵引系统故障诊断增强研究
Enhanced Fault Diagnosis Using Broad Learning for Traction Systems in High-Speed Trains
| 作者 | Chao Cheng · Weijun Wang · Hongtian Chen · Bangcheng Zhang · Junjie Shao · Wanxiu Teng |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2021年7月 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 故障诊断 机器学习 深度学习 |
| 相关度评分 | ★★★ 3.0 / 5.0 |
| 关键词 | 故障检测与诊断 牵引系统 高速列车 宽度学习 故障诊断 传感器数据 |
语言:
中文摘要
高速列车牵引系统故障会威胁行车安全。针对高采样频率下的故障检测与诊断（FDD）难题，本文提出了一种基于宽学习（Broad Learning）的诊断策略，旨在提升系统的安全性和可靠性。
English Abstract
Faults happen inevitably in traction systems and thus place the security of the whole high-speed train at risk. In order to improve the safety and reliability of high-speed trains, this article deals with fault detection and diagnosis (FDD) problem for traction systems. Because of high sampling frequency of equipped sensors, FDD strategies in the supervision system of high-speed trains should be o...
S
SunView 深度解读
该文章提出的宽学习（Broad Learning）算法具有训练速度快、结构简洁的特点，在处理高频传感器数据方面表现优异。这对阳光电源的iSolarCloud智能运维平台具有重要参考价值。在光伏电站和储能系统（如PowerTitan、PowerStack）的运维中，设备运行数据量巨大且实时性要求高，引入此类轻量化AI算法，可以提升逆变器及PCS内部功率模块的故障预警精度，降低误报率，从而优化运维成本，提升电站资产的整体可靠性。