基于深度学习的联锁测试序列推荐方法

• Published in: 铁道标准设计 Vol. 68; no. 9; pp. 192 - 199
• Main Authors: 苏昕宇, 梁志国, 张宏扬, 王海峰
• Format: Journal Article
• Language: Chinese
• Published: 北京交通大学电子信息工程学院,北京 100044%中国铁道科学研究院集团有限公司通信信号研究所,北京 100081 01.09.2024; 国家铁路智能运输系统工程技术研究中心(中国铁道科学研究院集团有限公司),北京 100081%中国铁道科学研究院集团有限公司通信信号研究所,北京 100081%北京交通大学电子信息工程学院,北京 100044; 国家铁路智能运输系统工程技术研究中心(中国铁道科学研究院集团有限公司),北京 100081
• Subjects: deep learning; recursive neural network; 站场拓扑; 联锁系统; 测试序列; 深度学习; station yard topology; 递归神经网络; test sequence; interlocking system
• ISSN: 1004-2954
• DOI: 10.13238/j.issn.1004-2954.202212210001

U283; 测试序列的组织与选取是保证铁路信号联锁系统测试质量和效率的关键环节,现阶段主要采用人工方式进行,工作量大且容易遗留漏洞.通过结合专家经验及历史测试信息,提出一种基于深度学习的联锁功能测试序列推荐方法,用以辅助测试人员开展测试工作,提高测试效率.针对联锁拓扑结构特征难以通过深度学习提取和训练的问题,构建了基于站场拓扑结构的树形递归神经网络,提高模型对联锁测试数据的特征提取能力;针对联锁测试序列特点,设计加入注意力机制的编码器-解码器框架,解决模型训练时产生的信息压缩问题,提高模型对联锁逻辑及测试案例间逻辑关联的学习能力.基于实际站场数据进行了一系列对比实验,结果表明,将递归神经网络与加入注意力机制的编码器-解码器框架相结合的测试序列推荐模型在训练集及测试集精确度方面均高于其他模型,达到90％以上并通过测试序列的执行时间和缺陷检测速率证明了该推荐模型的可行性.