[發(fā)明專利]一種基于LSTM和注意力機制的道岔故障檢測方法

在審

• 申請?zhí)枺?/td>: 202110447089.6
• 申請日: 2021-04-25
• 公開（公告）號: CN113139601A
• 公開（公告）日: 2021-07-20
• 發(fā)明（設計）人: 馮靜;孫可科;徐曉濱;章振杰;侯平智;王曉兵;董煒
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 浙江千克知識產(chǎn)權代理有限公司 33246
• 代理人: 周希良

1.一種基于LSTM和注意力機制的道岔故障檢測方法，其特征在于包括：

步驟1：構建故障樣本集；

步驟2：基于LSTM和注意力機制的道岔故障檢測模型構建；

步驟3：基于LSTM和注意力機制的道岔故障檢測模型的訓練及評估；

其中步驟2具體包括：

對每條電流信號樣本進行有重疊的連續(xù)采樣并分段；

構建包含忘記門單元、輸入門單元和輸出門單元的LSTM特征提取層；

構建注意力機制網(wǎng)絡層，得到各采樣片段的貢獻度；

將網(wǎng)絡輸出線性化，得到最終預測值。

2.根據(jù)權利要求1所述的一種基于LSTM和注意力機制的道岔故障檢測方法，所述步驟1具體包括：

1-1、分別采集電動轉(zhuǎn)轍機在正常以及不同故障狀態(tài)下三相電流中A相的電流信號；

1-2、在每種狀態(tài)下，以A相的電流信號作為一組數(shù)據(jù)進行連續(xù)采樣，獲得設定數(shù)量的信號片段；

1-3、將正常以及不同故障狀態(tài)下的樣本信號合并，構建信號樣本集。

3.根據(jù)權利要求1所述的一種基于LSTM和注意力機制的道岔故障檢測方法，所述步驟2具體包括：

2-1、將信號樣本集中每個電流信號進行重復采樣和分段；

2-2、構建LSTM的特征提取層：

a)將采樣片段輸入到忘記門單元，來控制上一個狀態(tài)中哪些信息需要保留；

b)將采樣片段輸入到輸入門單元，來決定更新哪些信息，利用隱節(jié)點輸出和當前輸入通過一個tanh層得到候選狀態(tài)信息；

c)通過忘記門單元選擇忘記上一狀態(tài)信息的一部分，通過輸入門單元選擇添加候選狀態(tài)信息的一部分，從而得到新的狀態(tài)信息；

d)將前一個隱節(jié)點輸出和當前輸入通過一個輸出門單元，來判斷輸出哪些狀態(tài)特征，新的狀態(tài)信息經(jīng)過一個tanh層與輸出門單元得到的判斷條件相乘，得到了特征提取層的輸出；

2-3構建注意力機制網(wǎng)絡層：

a)將LSTM的輸出作為輸入到注意力機制網(wǎng)絡計算注意力得分，加權求和后得到輸出；

b)將第一層注意力機制網(wǎng)絡的輸出輸入到第二層注意力機制網(wǎng)絡中，得到每條采樣片段的貢獻度；

c)將每采樣片段與貢獻度加權，得到第二個注意力機制網(wǎng)絡的輸出；

2-4、將第二個注意力機制網(wǎng)絡層輸出進行線性化，得到最終預測值。

4.根據(jù)權利要求1所述的一種基于LSTM和注意力機制的道岔故障檢測方法，所述步驟3具體包括：

4-1、將樣本集按照給定比例分為訓練集、驗證集和測試集；設定模型參數(shù)，獲取最優(yōu)模型，然后將測試集輸入到訓練好的模型中，從而獲取測試樣本的故障類別標簽，將得到的結果與SVM和KNN得到的結果進行比較；

4-2、優(yōu)化過程中優(yōu)化算法選用Adam算法；

4-3、對模型的評估選用交叉熵作為損失函數(shù)。