[發明專利]一種基于小波神經網絡與隱馬爾科夫模型的故障預測方法

有效

• 申請號: 201910587643.3
• 申請日: 2019-07-02
• 公開（公告）號: CN110288046B
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 劉射德
• 申請（專利權）人: 南京恩瑞特實業有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06N7/00
• 代理公司: 南京知識律師事務所 32207
• 代理人: 高嬌陽

本發明公開了一種基于小波神經網絡與隱馬爾科夫模型的故障預測方法，步驟如下：1、輸入樣本；2、利用小波神經網絡對樣本數據進行數據降維，更新輸入層至隱藏層，隱藏層至輸出層的權重和偏值，若輸出層數值與輸入層差值超出閾值，返回1，否則轉至3；3輸出小波神經網絡模型；4初始化隱馬爾可夫模型；5采用不同的樣本，將樣本數據利用小波神經網絡隱藏層神經元數值代替；6建立隱馬爾科夫模型；7利用前向?后向算法更新隱馬爾科夫模型參數，計算條件概率；8若計算的條件概率收斂，轉至9，否則返回5；9輸出最終隱馬爾科夫模型；10輸入待檢測的設備歷史運營數據，利用隱馬爾科夫模型計算設備的最大衰退概率。

技術領域

本發明公開了一種故障預測方法，尤其涉及一種基于小波神經網絡與隱馬爾科夫模型的故障預測方法。

背景技術

城市軌道交通車載運營設備的維護與保障經歷了事后維修、預防維修和視情維修三個階段，其中視情維修旨在設備仍能正常工作的情況下，利用設備的運營數據監測和推斷設備故障的可能性，從而采取維護措施，對于高頻率運營的城市軌道交通來說，能大大提高運營效率，減少因設備故障導致的安全隱患。目前，相比于傳統的回歸預測，基于神經網絡的故障預測方法無需建立可視化的數學模型，僅利用樣本數據即可提取數據的內在規律和本質特征，具有學習、聯想記憶、簡單推理、自適應等優勢，但由于神經網絡本身所存在的局限性，例如神經網絡對初始權值較為敏感，且網絡的權值是通過沿局部改善的方向逐漸進行調整的，這樣會使算法陷入局部極值，權值收斂到局部極小點；網絡結構選擇一般由經驗選擇，過大容易形成過擬合現象，過小易形成不收斂等。

目前利用神經網絡進行故障預測的手段主要包括：為防止系統陷入局部最優解，采用優化算法對神經網絡的初始值進行選取，從而提高網絡的收斂性能；為減少預測模型所存在的參數不確定性問題，采用PCA等算法選取合適的網絡結構，從而區別于傳統的經驗選擇模式。引用

[1]劉浩然,趙翠香,李軒,等.一種基于改進遺傳算法的神經網絡優化算法研究[J].儀器儀表學報,2016,37(7):1573-1580.

[2]邢杰,蕭德云.基于PCA的概率神經網絡結構優化[J].清華大學學報(自然科學版),2008,48(1):141-144.

[3]Bar-Itzhack I Y,Oshman Y.Attitude determination from vectorobservations:quaternion estimation[J].Aerospace and Electronic Systems,IEEETransactions on,1985(1):128-136.

[4]孔令文,李鵬永,杜巧玲.基于模糊神經網絡的六足機器人自主導航閉環控制系統設計[J].機器人,2018,40(1):16-23.

[5]李新節.視情維修模式下故障預測技術的實現方法[J].設備管理與維修,2017(17):68-70.

[6]陳星田,熊小伏,齊曉光,等.一種用于繼電保護狀態評價的大數據精簡方法[J].中國電機工程學報,2015,35(3):538-548.

[7]柳楠.基于隱馬爾可夫模型的航空機械系統故障診斷算法設計[J].現代工業經濟和信息化,2016,6(5):44-45.

[8]王曉峰,夏靜,韓捷,等.基于隱馬爾可夫模型的汽輪機故障診斷方法研究[J].中國工程機械學報,2016,14(6).

發明內容