摘要

轨道交通设备维护的智能化转型对运营安全及效率提升具有重要意义。本研究构建了基于深度学习的轨道交通设备故障预测模型，通过多源数据融合技术以及状态监测系统，在车辆关键部位部署110个高精度传感器进行实时数据采集，预测模型利用长短时记忆网络以及注意力机制实现对故障特征的深度挖掘，系统采用分层数据存储架构以及多级预警决策机制确保数据处理的高效性，实际应用结果显示，远程故障排查效率提升70%，碳滑板厚度识别与人工测量的匹配度达76.67%，验证了智能诊断系统在轨道交通设备维护领域的实用价值。

关键词