申请/专利权人：西南交通大学

申请日：2024-03-11

公开（公告）日：2024-04-12

公开（公告）号：CN117874479A

主分类号：G06F18/21

分类号：G06F18/21;B61G7/14;B61L15/00;G06F18/213;G06F18/15;G06N3/006

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于数据驱动的重载机车车钩力识别方法，涉及重载机车车钩状态监测技术领域，包括：采集重载列车车钩车体纵向相对位移信号；平滑处理车钩车体纵向相对位移信号；采用滑动窗口截取滤波和平滑后的车钩车体纵向相对位移信号，提取每段相对位移信号内相对速度特征，构建数据集；对数据集进行归一化处理；建立DBO‑ELM模型，将ELM隐藏层神经元个数、惩罚参数和激活函数参数作为优化参数，以验证集识别结果的均方误差为适应度函数，利用验证集对DBO‑ELM模型参数进行迭代寻优；得到模型最优参数后利用训练集对模型开展训练；将测试集样本输入训练后的模型中，根据车钩力识别结果的误差确定训练模型的准确性；本发明具有低成本、高效率的优点。

主权项：1.一种基于数据驱动的重载机车车钩力识别方法，其特征在于，包括以下步骤：步骤1、采集重载列车在不同工况下的车钩车体纵向相对位移信号；步骤2、采用低通滤波和加权平均平滑处理车钩车体纵向相对位移信号，滤除因外部环境产生的信号噪声，并对信号异常值进行剔除；步骤3、采用滑动窗口截取滤波和平滑后的车钩车体纵向相对位移信号，提取每段相对位移信号内相对速度特征，利用处理后的信号构建数据集；步骤4、对数据集进行归一化处理并划分训练集、验证集、测试集；步骤5、建立DBO-ELM模型，将ELM隐藏层神经元个数、惩罚参数和激活函数参数作为优化参数，以验证集识别结果的均方误差为适应度函数，利用验证集对DBO-ELM模型参数进行迭代寻优；步骤6、得到模型最优参数后利用训练集对模型开展训练；步骤7、将测试集样本输入训练后的模型中，根据车钩力识别结果的误差确定训练模型的准确性。

全文数据：

权利要求：

百度查询： 西南交通大学 基于数据驱动的重载机车车钩力识别方法

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