申请/专利权人：广西大学

申请日：2024-01-12

公开（公告）日：2024-04-09

公开（公告）号：CN117851925A

主分类号：G06F18/243

分类号：G06F18/243;G06F18/213;G06F18/23;G06N3/0464;G06N3/0895;G01M99/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明涉及道岔转辙机智能诊断技术领域，具体涉及一种道岔转辙机故障监测分类方法及装置，通过采集道岔转辙机进行换向操作的A相电流数据；将电流数据划分为支持集和查询集，支持集中包含标记样本和未标记样本；利用双通道异卷积核对数据进行不同层次的特征提取，再将这些特征输出到高维向量空间中；通过计算上述支持集中每种故障类别的标记样本平均特征值生成原始原型，再利用可调节距离的原型矫正器通过计算每种故障类别下未标记样本与原始原型的距离并赋予不同权重来灵活矫正原始原型的位置；将训练完成的可调节半监督元学习网络模型作为模型算法对道岔转辙机中待检测数据进行小样本故障诊断，实现故障数据的分类。

主权项：1.一种道岔转辙机故障监测分类方法，其特征在于，包括下列步骤：步骤1：采集道岔转辙机换向操作时的A相动作电流数据；步骤2：将采集到的电流数据划分为支持集S和查询集Q，所述支持集S包含标记样本和未标记样本；步骤3：利用双通道异卷积核特征提取器将支持集S和查询集Q中不同层次的特征提取出来，并将提取的特征输出到高维向量空间中，形成特征向量；步骤4：在特征向量空间中，利用所述支持集S中未标记数据对原始原型位置进行矫正，经迭代优化后使新对原始原型位置贴合每一聚类的质心；步骤5：利用支持集S数据对可调节半监督元学习网络模型进行训练和优化，然后通过优化过后的可调节半监督元学习网络模型对查询集Q数据进行故障类别分类。

全文数据：

权利要求：

百度查询： 广西大学 一种道岔转辙机故障监测分类方法及装置

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