[发明专利]一种计算机联锁系统服役寿命预测评估方法有效
申请号: | 201611040568.1 | 申请日: | 2016-11-24 |
公开(公告)号: | CN108107864B | 公开(公告)日: | 2021-02-05 |
发明(设计)人: | 周荣;陈建译;王海峰;王韵琛 | 申请(专利权)人: | 中国铁路总公司;广州铁路(集团)公司 |
主分类号: | G05B23/02 | 分类号: | G05B23/02;G06N3/04 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 100844*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 计算机 联锁 系统 服役 寿命 预测 评估 方法 | ||
1.一种计算机联锁系统服役寿命预测评估方法,其特征在于,该方法的关键步骤包括:
步骤(1),对二乘二取二型和双机热备型两种计算机联锁系统,建立相应的寿命预测评估神经网络结构模型;
步骤(2),确定寿命预测评估神经网络结构模型的传递函数和输出函数;
步骤(3),对寿命预测评估神经网络结构模型中心神经元宽度进行优化;
步骤(4),对寿命预测神经网络结构模型的输入矢量格式进行约束,根据系统类型选择相应的神经网络结构模型计算系统服役寿命。
2.按照权利要求1所述的计算机联锁系统服役寿命预测评估方法,其特征在于,所述步骤(1)中的二乘二取二型计算机联锁系统由操作表示机(2-1)、联锁机(2-2)、驱采机(2-3)、采集单元(2_4)、驱动单元(2-5)、维修机及其它(2-6)组成;两系的操作表示机(2-1)相连,并与维修机及其它(2-6)相连,同时与两系联锁机(2-2)交叉互连;联锁机(2-2)向上与操作表示机(2-1)相连,向下与两系驱采机(2-3)交叉互连;采集单元(2_4)、驱动单元(2-5)向上与各自系驱采机相连,向下连接接口配线;基于二乘二取二型计算机联锁系统的容错原理,对应的寿命预测评估神经网络结构模型包含输入层、模式层、求和层、故障预测层、部件寿命层和系统寿命层,共六层;输入矢量分为六组,自上向下依次是操作表示层、I系联锁机、I系执表层、II系联锁机、II系执表层、维修机及其它层,其中输入矢量按组一一对应接入输入层,六层网络模型从左至右依次全连接;同时,在部件寿命层,I系执表层对应神经元和II系执表层对应神经元的输出同时接入I系联锁机对应的神经元,并且II系执表层对应神经元和I系执表层对应神经元的输出也同时接接入II系联锁机对应的神经元。
3.按照权利要求1所述的计算机联锁系统服役寿命预测评估方法,其特征在于,所述步骤(1)中的双机热备型计算机联锁系统由操作表示机(4-1)、联锁机(4-2)、采集单元(4-3)、驱动单元(4_4)和维修机及其它(4-5)组成;两系的操作表示机(4-1)相连,并与维修机及其它(4-5)相连,同时与两系联锁机(4-2)交叉互连;联锁机(4-2)向上与操作表示机(4-1)相连,联锁机(4-2)向下与各自系的采集单元(4-3)、驱动单元(4_4)相连,采集单元(4-3)、驱动单元(4-4)向下连接接口配线和通道防雷;基于双机热备型计算机联锁系统的容错原理,对应的寿命预测评估神经网络结构模型包含六层,从左至右依次是输入层、模式层、求和层、故障预测层、部件寿命层和系统寿命层;输入矢量分为六组,自上向下依次是操作表示层、I系联锁机、I系执表层、II系联锁机、II系执表层、维修机及其它层,输入矢量按组一一对应接入输入层,六层网络模型从左至右依次全连接;同时,在部件寿命层,I系执表层与I系联锁机共用对应的神经元,II系执表层与II系联锁机共用对应的神经元,在这一层I系与II系之间没有交叉。
4.按照权利要求1所述的计算机联锁系统服役寿命预测评估方法,其特征在于,所述步骤(2)的寿命预测评估神经网络结构模型的神经元传递函数和输出函数,模式层的神经元传递函数为,
求和层的神经元传递函数为,
其中,X为网络输入变量,即X=[x1,x2,...,xn]T;Xi为第i个神经元对应的学习样本,σ为中心神经元的宽度,可以表示传递函数的影响范围;由前面两个公式可得出,神经网络寿命输出函数为
。
5.按照权利要求1所述的计算机联锁系统服役寿命预测评估方法,其特征在于,所述步骤(3)的中心神经元宽度的计算方法,将传统神经网络的神经元传递函数中的σ扩展为矢量矩阵[σ1,σ2,...,σn],其元素分别代表了一个中心神经元的宽度,n为隐含层神经元的数目;用粒子群优化算法对于中心神经元的宽度矢量矩阵[σ1,σ2,...,σn]进行参数寻优,适应度函数为训练样本或验证样本的均方误差,通过迭代得到均方根误差最小时对应的宽度,这里均方误差定义为:
其中,NT为样本的数目;t为样本的实际输出;Xi为第i个神经元对应的学习样本;y(Xi)为第i个神经元对应的学习样本Xi的模型输出,通过迭代寻找使均方根误差最小的宽度,也就是优化目标,将神经网络中的隐含层神经元宽度视为优化单位,分别进行参数寻优之后再加入到神经网络中。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国铁路总公司;广州铁路(集团)公司,未经中国铁路总公司;广州铁路(集团)公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201611040568.1/1.html,转载请声明来源钻瓜专利网。