[發明專利]一種列車運行狀態檢測數據缺失處理模型及重建的方法

在審

• 申請號: 202110792198.1
• 申請日: 2021-07-13
• 公開（公告）號: CN113569928A
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 張昌凡;陳泓潤;何靜;曹源;楊皓楠;徐逸夫;印玲
• 申請（專利權）人: 湖南工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 楊千尋;杜梅花

1.一種列車運行狀態檢測數據缺失處理模型，其特征在于，包括數據采集模塊、數據預處理模塊、變分自編碼-生成對抗語義融合網絡模塊、遷移學習參數共享模塊、數據缺失部分重建模塊；所述數據采集模塊將數據傳輸至數據預處理模塊，數據預處理模塊將處理好的數據傳輸至變分自編碼-生成對抗語義融合網絡模塊，變分自編碼-生成對抗語義融合網絡模塊生成樣本并將數據傳輸至遷移學習參數共享模塊得到缺失數據，遷移學習參數共享模塊將所得的缺失數據輸送至數據缺失部分重建模塊進行合理插補，輸出完整數據結果。

2.根據權利要求1所述列車運行狀態檢測數據缺失處理模型，其特征在于，所述數據采集模塊包括電流傳感器、電壓傳感器、溫度傳感器、濕度傳感器、位移傳感器和電頻傳感器的一種或多種。

3.根據權利要求1所述列車運行狀態檢測數據缺失處理模型，其特征在于，步驟S2中所述變分自編碼-生成對抗語義融合網絡包括編碼器E、生成器G和判別器D；所述編碼器E捕獲的數據特征信息，并由生成器D生成新樣本，判別器判斷生成數據的真偽的同時，并對數據進行分類處理。

4.根據權利要求2所述列車運行狀態檢測數據缺失處理模型，其特征在于，所述編碼器E引入GRU網絡模塊。

5.根據權利要求2所述列車運行狀態檢測數據缺失處理模型，其特征在于，所述編碼器E與生成器G處還設有注意力機制。

6.一種列車運行狀態檢測數據缺失的重建方法，其特征在于，包括以下步驟：

S1、采集高速列車運維數據集，并對采集的離散數據進行預處理；

S2、運用變分自編碼-生成對抗語義融合網絡學習的數據間相關特征：

變分自編碼-生成對抗語義融合網絡通過編碼與重構來學習輸入數據的特征分布，在訓練的過程中，編碼器E在完整的數據集中對樣本進行特征的提取和壓縮，并通過線性網絡將其編碼到潛在空間z，其中z是潛在捕獲數據重要特征的信息；生成的新樣本由生成器G根據潛在變量z的描述生成，生成器G通過使用變分推理不斷讓后驗分布接近預期分布，選擇KL散度作為損失函數的一部分來計算兩個分布之間的距離。

S3、運用遷移學習模型構建參數共享模型，并生成小樣本特征數據缺失部分的數據；

S4、對缺失部分數據進行插補，輸出完整數據結果。

7.根據權利要求6所述列車運行狀態檢測數據缺失的重建方法，其特征在于，步驟S1所述運維數據集包括設備交流電壓、直流電壓、監測輸出電流、采集設備溫度、油位、采集設備濕度、接受器電源頻率的一種或多種。

8.根據權利要求6所述列車運行狀態檢測數據缺失的重建方法，其特征在于，步驟S1中數據預處理包括時空校正、配準與數據升維流程，將采集的高速列車離散量測數據進行分段截取后，高維映射為一個2-D網格矩陣形式。

9.根據權利要求6所述列車運行狀態檢測數據缺失的重建方法，其特征在于，所述遷移學習模型采用變分自編碼-生成對抗語義融合網絡為基本網絡結構，通過使用樣本數據對生成器G_p進行預訓練，再將訓練完好的參數遷移到主訓練網絡中的生成器G_m，使用少量樣本的數據進行微調。

10.根據權利要求1所述列車運行狀態檢測數據缺失的重建方法，其特征在于，所述預訓練與主訓練的樣本數據量比例為5～20：1；優選地，所述預訓練與主訓練的樣本數據量比例為10：1。