公开(公告)号：CN109934335A

公开(公告)日：2019-06-25

申请号：CN201910164985.4

申请日：2019-03-05

Applicant: 清华大学

Inventor： 张国华 ,  董炜 ,  章彭 ,  孙新亚 ,  闫友为 ,  燕翔 ,  蒋灵明 ,  吉吟东

IPC: G06N3/04 ,  G06N3/08 ,  G06N20/10

Abstract: 本发明提供一种基于混合深度学习的高铁道岔故障诊断方法，该方法在详细分析了VGG-Net结构与SVM原理之后，通过利用VGG-Net使用多个较小卷积核的卷积层代替一个较大卷积核的卷积层的思想与支持向量机在处理小数据方面具有良好分类性能的优势，设计提出了基于DCNN-SVM混合模型的高铁道岔智能故障诊断方法，本申请提供的诊断方法诊断准确率达到100％，远比传统单一的机器学习方法及现有技术采用的基于卷积神经网络的算法效果好，表明了通过混合深度学习思想将神经网络与机器学习算法混合在一起，所构建的新的混合模型，在实际应用中拥有着非常好的效果。