[發明專利]一種基于脈沖神經網絡的列車轉向架故障診斷方法

在審

• 申請號: 202210708604.6
• 申請日: 2022-06-22
• 公開（公告）號: CN115099329A
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 尋彬彬;汪敏琪;李濤;伊欣凱;李銳;楊澤威;童劼怡;張未;付萍
• 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;G01M17/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于脈沖神經網絡的列車轉向架故障診斷方法，其特征在于，包括以下步驟：

S1：采集列車轉向架故障圖像；

S2：形成脈沖模型數據集，數據集包括訓練集和測試集，并進行分類和標記；

S3：利用反向傳播方法將脈沖模型數據集傳遞到隱藏層網絡中進行訓練，得到訓練完成的訓練結果；

S4:利用支持向量機作為分類器，對脈沖神經網絡模型進行訓練和驗證；

S5:將測得數據輸入訓練后的脈沖神經網絡，得到故障分類結果。

2.根據權利要求1所述的一種基于脈沖神經網絡的列車轉向架故障診斷方法，其特征在于，所屬步驟S1中采集的轉向架故障圖像包括裂紋、形變與磨耗。

3.根據權利要求1所屬的一種基于脈沖神經網絡的列車轉向架故障診斷方法，其特征在于，脈沖神經網絡包括并行的卷積層和池化層、多層全連接層。

4.根據權利要求1所述的一種基于脈沖神經網絡的列車轉向架故障診斷方法，其特征在于，所述步驟S1中所采集各種故障模式下的故障數據，其中一部分故障數據作為訓練集，剩余部分故障數據作為測試集，分別對所述的訓練集進行標記。

5.根據權利要求1所述的一種基于脈沖神經網絡的列車轉向架故障診斷方法，其特征在于，采用反向傳播方法將脈沖序列輸入到脈沖神經網絡中，對脈沖神經網絡進行訓練，得到訓練完成的脈沖神經網絡，包括以下步驟：從輸入層讀入脈沖序列，結合函數近似方法，逐層進行前向計算，產生脈沖信號向下一層傳遞，脈沖信號傳遞至輸出層后，計算最后一層輸出與輸出層神經元對應的樣本真實標簽之間的誤差，并反向對脈沖神經網絡的參數進行誤差估計，根據誤差估計對卷積層和全連接層的突觸權重進行更新至誤差達到設定值，得到訓練后的脈沖神經網絡。

6.根據權利要求1所述的一種基于脈沖神經網絡的列車轉向架故障診斷方法，其特征在于，所述步驟S5的支持向量機分類器將故障分為裂紋、形變與磨耗3種模式，分別以R1、R2與R3一一對應表示。

7.根據權利要求1所述的一種基于脈沖神經網絡的列車轉向架故障診斷方法，其特征在于，脈沖神經網絡的參數包括層數、網絡類型、每一層網絡的特征圖數、卷積核大小以及神經元膜電位的閾值。

8.根據權利要求1所述的一種基于脈沖神經網絡的列車轉向架故障診斷方法，其特征在于，將待分類數據輸入訓練后的脈沖神經網絡，得到分類結果，包括以下步驟：將待分類數據輸入到訓練后的脈沖神經網絡中，根據像素值對待分類數據進行編碼，經過隱藏層提取待分類數據的圖像特征信息，由全連接層輸出針對每一類數據的預定值，比較針對每一類數據的預定值，取預定值最大的類別作為待分類數據的所屬類別。

9.如權利要求1所述的一種基于脈沖神經網絡的列車轉向架故障診斷方法，其特征在于：所述步驟S4中對深度網絡模型進行訓練和驗證的損失函數如下：

L(y,f(x))＝max(0,1-yf(x))

y為目標值，f(x)為預測值。Hinge損失函數表示如果被分類正確，損失為0，否則就為1-yf(x)。