申请/专利权人：江苏安狮智能技术有限公司

申请日：2021-01-22

公开（公告）日：2024-03-22

公开（公告）号：CN112906915B

主分类号：G06Q10/20

分类号：G06Q10/20;G06Q50/40;G06N3/044;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2023.07.14#专利申请权的转移;2021.06.22#实质审查的生效;2021.06.04#公开

摘要：本发明公开了一种基于深度学习的轨交系统故障诊断方法，包括整合轨交数据并进行归一化预处理；对预处理后的所述轨交数据进行特征提取；调整所述轨交数据的分布形成数据集，并建立循环神经网络模型；将所述数据集输入至所述循环神经网络模型中进行训练，并输出符合要求的所述数据集；利用通过训练的所述数据集进行轨交系统故障的诊断，在轨交系统的故障诊断中实现以智能化手段代替人工，使维保系统的智能化、数据化和信息化得到提升，大大减少了人员的投入，降低了人工成本，同时进一步提高了整条线路运营维保的可靠性、有效性和安全性。

主权项：1.一种基于深度学习的轨交系统故障诊断方法，其特征在于：包括，整合轨交数据并进行归一化预处理；对预处理后的所述轨交数据进行特征提取；调整所述轨交数据的分布形成数据集，并建立循环神经网络模型；将所述数据集输入至所述循环神经网络模型中进行训练，并输出符合要求的所述数据集；利用通过训练的所述数据集进行轨交系统故障的诊断；其中，整合所述轨交数据并进行归一化预处理包括，获取不同来源、不同特征的所述轨交数据；依据各项所述轨交数据对应的选取特征值依次进行缩减预处理，获取缩减后的各项所述轨交数据；依次对缩减后的各项所述轨交数据进行归一化处理；其中，依据如下公式对所述轨交数据进行缩减预处理，获取缩减后的各项所述轨交数据， 其中，t为获取的所述轨交数据，t′为缩减后的各项所述轨交数据，δ为各项所述轨交数据t对应的选取特征值；其中，对预处理后的所述轨交数据进行特征提取时的提取参考量为， 其中，δ′为进行特征提取时的提取参考量，δ为各项所述轨交数据t对应的选取特征值；其中，调整所述轨交数据的分布包括，建立拓扑结构，并将提取的特征输入至所述拓扑结构中；确定参考序列；获取提取的不同特征之间的综合关联度；将数据依照特征之间综合关联度从低到高外环式排列；形成平衡化数据集；其中，定义所述提取参考量最小为参考序列；其中，将所述数据集输入至所述循环神经网络模型中进行训练，并输出符合要求的所述数据集后验证并调整所述循环神经网络模型的超参数；其中，所述循环神经网络模型函数式为，E＝t′·∑P·Hδ 其中，t′为缩减后的各项所述轨交数据，δ为各项所述轨交数据t对应的选取特征值，t为所述轨交数据，P为所述综合关联度函数值，H为各项所述轨交数据t对应的选取特征值δ函数值，E为所述循环神经网络模型输出量；其中，当所述循环神经网络模型E值输出量大于对应的t′时，定义所述数据集中对应的数据通过所述循环神经网络模型的训练，符合要求。

全文数据：

权利要求：

百度查询： 江苏安狮智能技术有限公司 一种基于深度学习的轨交系统故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD