%0 Journal Article
%A 李建国
%A 王鹏泽
%T 基于特征级多源数据融合的ZYJ7转辙机故障诊断
%D 2026
%R 10.11860/j.issn.1673-0291.20250087
%J 星空电竞app2026最新版学报
%P 143-152
%V 50
%N 2
%X <p>针对传统单一数据源转辙机故障诊断方法受限于单一形态数据故障特征表征不充分的问题，在应对复杂的故障类型时，存在诊断精度不高，无法精准、细致地定位故障等局限性，难以满足实际应用需求.为提升ZYJ7电液转辙机诊断性能，首先，本文基于现场实测的油压、电流、功率数据，提出了一种基于特征级多源数据融合的深度学习故障诊断方法，对转辙机油压、电流、功率多模态数据进行归一化、降噪和时空特征提取.然后，利用双线性插值统一各模态特征矩阵尺寸，引入注意力机制实现特征矩阵的动态加权融合.最后，将融合特征输入卷积神经网络（Convolutional Neural Networks，CNN）和长短期记忆网络（Long Short-Term Memory，LSTM）构成的神经网络中进行分类，并与单一数据源、简单表决、简单拼接和固定权重故障诊断模型对比验证.实验结果表明：本文提出的特征级多源数据融合模型相较于单一数据源、简单表决、简单拼接和固定权重模型准确率分别提升7.19%、4.38%、3.13%、1.88%，验证了本文提出的故障诊断方法的有效性，为转辙机故障诊断提供借鉴.</p>
%U https://jdxb.bjtu.edu.cn/CN/10.11860/j.issn.1673-0291.20250087