[發明專利]一種計算機聯鎖系統服役壽命預測評估方法有效
| 申請號: | 201611040568.1 | 申請日: | 2016-11-24 |
| 公開(公告)號: | CN108107864B | 公開(公告)日: | 2021-02-05 |
| 發明(設計)人: | 周榮;陳建譯;王海峰;王韻琛 | 申請(專利權)人: | 中國鐵路總公司;廣州鐵路(集團)公司 |
| 主分類號: | G05B23/02 | 分類號: | G05B23/02;G06N3/04 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 100844*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 計算機 聯鎖 系統 服役 壽命 預測 評估 方法 | ||
1.一種計算機聯鎖系統服役壽命預測評估方法,其特征在于,該方法的關鍵步驟包括:
步驟(1),對二乘二取二型和雙機熱備型兩種計算機聯鎖系統,建立相應的壽命預測評估神經網絡結構模型;
步驟(2),確定壽命預測評估神經網絡結構模型的傳遞函數和輸出函數;
步驟(3),對壽命預測評估神經網絡結構模型中心神經元寬度進行優化;
步驟(4),對壽命預測神經網絡結構模型的輸入矢量格式進行約束,根據系統類型選擇相應的神經網絡結構模型計算系統服役壽命。
2.按照權利要求1所述的計算機聯鎖系統服役壽命預測評估方法,其特征在于,所述步驟(1)中的二乘二取二型計算機聯鎖系統由操作表示機(2-1)、聯鎖機(2-2)、驅采機(2-3)、采集單元(2_4)、驅動單元(2-5)、維修機及其它(2-6)組成;兩系的操作表示機(2-1)相連,并與維修機及其它(2-6)相連,同時與兩系聯鎖機(2-2)交叉互連;聯鎖機(2-2)向上與操作表示機(2-1)相連,向下與兩系驅采機(2-3)交叉互連;采集單元(2_4)、驅動單元(2-5)向上與各自系驅采機相連,向下連接接口配線;基于二乘二取二型計算機聯鎖系統的容錯原理,對應的壽命預測評估神經網絡結構模型包含輸入層、模式層、求和層、故障預測層、部件壽命層和系統壽命層,共六層;輸入矢量分為六組,自上向下依次是操作表示層、I系聯鎖機、I系執表層、II系聯鎖機、II系執表層、維修機及其它層,其中輸入矢量按組一一對應接入輸入層,六層網絡模型從左至右依次全連接;同時,在部件壽命層,I系執表層對應神經元和II系執表層對應神經元的輸出同時接入I系聯鎖機對應的神經元,并且II系執表層對應神經元和I系執表層對應神經元的輸出也同時接接入II系聯鎖機對應的神經元。
3.按照權利要求1所述的計算機聯鎖系統服役壽命預測評估方法,其特征在于,所述步驟(1)中的雙機熱備型計算機聯鎖系統由操作表示機(4-1)、聯鎖機(4-2)、采集單元(4-3)、驅動單元(4_4)和維修機及其它(4-5)組成;兩系的操作表示機(4-1)相連,并與維修機及其它(4-5)相連,同時與兩系聯鎖機(4-2)交叉互連;聯鎖機(4-2)向上與操作表示機(4-1)相連,聯鎖機(4-2)向下與各自系的采集單元(4-3)、驅動單元(4_4)相連,采集單元(4-3)、驅動單元(4-4)向下連接接口配線和通道防雷;基于雙機熱備型計算機聯鎖系統的容錯原理,對應的壽命預測評估神經網絡結構模型包含六層,從左至右依次是輸入層、模式層、求和層、故障預測層、部件壽命層和系統壽命層;輸入矢量分為六組,自上向下依次是操作表示層、I系聯鎖機、I系執表層、II系聯鎖機、II系執表層、維修機及其它層,輸入矢量按組一一對應接入輸入層,六層網絡模型從左至右依次全連接;同時,在部件壽命層,I系執表層與I系聯鎖機共用對應的神經元,II系執表層與II系聯鎖機共用對應的神經元,在這一層I系與II系之間沒有交叉。
4.按照權利要求1所述的計算機聯鎖系統服役壽命預測評估方法,其特征在于,所述步驟(2)的壽命預測評估神經網絡結構模型的神經元傳遞函數和輸出函數,模式層的神經元傳遞函數為,
求和層的神經元傳遞函數為,
其中,X為網絡輸入變量,即X=[x1,x2,...,xn]T;Xi為第i個神經元對應的學習樣本,σ為中心神經元的寬度,可以表示傳遞函數的影響范圍;由前面兩個公式可得出,神經網絡壽命輸出函數為
。
5.按照權利要求1所述的計算機聯鎖系統服役壽命預測評估方法,其特征在于,所述步驟(3)的中心神經元寬度的計算方法,將傳統神經網絡的神經元傳遞函數中的σ擴展為矢量矩陣[σ1,σ2,...,σn],其元素分別代表了一個中心神經元的寬度,n為隱含層神經元的數目;用粒子群優化算法對于中心神經元的寬度矢量矩陣[σ1,σ2,...,σn]進行參數尋優,適應度函數為訓練樣本或驗證樣本的均方誤差,通過迭代得到均方根誤差最小時對應的寬度,這里均方誤差定義為:
其中,NT為樣本的數目;t為樣本的實際輸出;Xi為第i個神經元對應的學習樣本;y(Xi)為第i個神經元對應的學習樣本Xi的模型輸出,通過迭代尋找使均方根誤差最小的寬度,也就是優化目標,將神經網絡中的隱含層神經元寬度視為優化單位,分別進行參數尋優之后再加入到神經網絡中。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中國鐵路總公司;廣州鐵路(集團)公司,未經中國鐵路總公司;廣州鐵路(集團)公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201611040568.1/1.html,轉載請聲明來源鉆瓜專利網。





