[發明專利]基于神經網絡學習的列車車載設備故障預測方法及裝置

在審

• 申請號: 202010010762.5
• 申請日: 2020-01-06
• 公開（公告）號: CN111242357A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 賈利民;高一凡;夏志成
• 申請（專利權）人: 北京錦鴻希電信息技術股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 北京康思博達知識產權代理事務所(普通合伙) 11426
• 代理人: 范國鋒;劉冬梅

本發明公開了一種基于神經網絡學習的列車車載設備故障預測方法，包括如下步驟：收集神經網絡學習樣本、建立神經網絡，通過對樣本學習,得到預測模型、利用預測模型對車載設備進行故障預測。本發明還提供了基于神經網絡學習的列車車載設備故障預測裝置，以實現所述方法。本發明具有預測精度高、歷史數據需求量小、周期性數據對預測結果影響小等優點。

技術領域

本發明涉及一種設備故障預測方法及裝置，特別涉及一種基于神經網絡學習的列車車載設備故障預測方法及裝置，屬于車載設備安全技術領域。

背景技術

我國地域遼闊，人員眾多，鐵路運輸作為國家的重要基礎設施、大眾化的交通工具，在中國綜合交通運輸體系中處于骨干地位。

隨著高速鐵路的發展，列車運行速度越來越快，對列車安全性的要求也越來越高，如何確保車載設備的正常、穩定運行，是目前面臨的一個重大問題。

現有的列車故障監控，多通過高頻次的點檢檢查實現，但點檢檢查只能發現已產生故障的設備，減小故障的影響，無法做到有效的預防故障的發生。

此外，現有技術中還有通過回歸分析法對設備進行預測，但回歸分析法往往需要大量的歷史數據，且其預測都是建立在設備性能隨時間變化的基礎上，不考慮列車實際運行環境，當歷史數據存在周期性變化或突變時，其預測準確性急速降低。

因此，亟需研究一種能夠有效預測車載設備故障的方法及裝置。

發明內容

為了克服上述問題，本發明人進行了銳意研究，開發了一種列車車載設備故障監控方法及設備，該方法包括：

S1、收集神經網絡學習樣本；

S2、建立神經網絡，通過對樣本學習,得到預測模型；

S3、利用預測模型對車載設備進行故障預測。

在步驟S1中，包含以下子步驟：

S11、針對不同的車載設備，確定能夠代表設備性能和/或經常出問題的特征；

S12、將上述特征通過定量的數據表示，得到性能參數，并確定設備故障性能參數值；

S13、收集設備故障時及設備故障前一定數量的性能參數，生成學習樣本。

在步驟13中，所述一定數量為10～40個。

步驟S2包括以下子步驟：

S21、確定BP神經網絡模型中不同層節點數量；

S22、建立BP神經網絡模型；

S23、樣本初始化，供神經網絡學習，得到模型參數。

在步驟S21中，所述BP神經網絡模型中具有1個隱含層，輸入層節點個數n為5～9個，隱含層節點m個數滿足1.1n≤m≤1.5n的正整數，輸出層節點為1個。

輸入層到隱含層的傳遞采用S型函數：

不同輸入層節點對不同隱含層的輸出值為：k_ij＝ω_ijS_i

其中，i表示不同的輸入層節點，j表示不同的隱含層節點，ω_ij表示輸出層到隱含層的權重，S_i表示出入層節點的輸入，隱含層的輸出L_j為：

其中，a_ij是輸入層到隱含層的偏置，

隱含層到輸出層的傳遞采用線性函數，輸出層的輸出O為：