LD-RPMNet：铁路点机的近传感器诊断
信号处理
2025-08-15 v1 机器学习
摘要
近传感器诊断在产业界日益流行。本研究提出一种轻量级模型 LD-RPMNet，将 Transformer 与卷积神经网络集成，利用局部和全局特征提取，以优化面向实际铁路应用的计算效率。LD-RPMNet 引入多尺度深度可分离卷积 (MDSC) 模块，将跨通道卷积分解为逐点卷积和深度卷积，并采用多尺度核以增强特征提取。同时，采用广播自注意力 (BSA) 机制以简化复杂矩阵运算并提高计算效率。基于铁路点机运行期间收集的声信号的实验结果表明，优化后的模型在参数数量和计算复杂度上分别降低约 50%，诊断准确率提高近 3%，最终实现 98.86% 的准确率。这一结果表明了铁路点机近传感器故障诊断的可行性。
引用
@article{arxiv.2506.06346,
title = {LD-RPMNet: Near-Sensor Diagnosis for Railway Point Machines},
author = {Wei Li and Xiaochun Wu and Xiaoxi Hu and Yuxuan Zhang and Sebastian Bader and Yuhan Huang},
journal= {arXiv preprint arXiv:2506.06346},
year = {2025}
}
备注
This paper is accepted for IEEE Sensors Applcations Symposium (SAS) 2025