[发明专利]基于数据挖掘的高速列车电磁发射预测方法

权利要求书

1.一种基于数据挖掘的高速列车电磁发射预测方法，其特征在于，包括以下步骤：

S110、基于对高速列车电磁环境的分析，在列车静止、加速、减速制动、匀速运行四种不同工况条件下完成对高速列车整车辐射发射测量数据的采集；

S120、结合数据挖掘理念分为挖掘目标、数据取样、数据探索、数据清洗、数据预处理五个过程对采集的高速列车整车辐射发射测量数据进行处理；

S130、基于处理后的数据采用神经网络的建模方法进行挖掘建模，通过对误差值的比较对所建模型进行评价完善，完成高速列车电磁发射预测模型的构建，利用所述高速列车电磁发射预测模型实现高速列车电磁发射预测。

2.根据权利要求1所述的方法，其特征在于，所述S110包括：

以电磁兼容三要素为出发点对高速列车的电磁环境进行全面分析，包括：首先，分析高速列车中存在的三种骚扰源，即列车牵引和逆变系统产生的低频磁场骚扰、列车弓网离线产生的高频辐射骚扰及牵引电流产生的传导性干扰；其次，分析三种传输耦合途径：传导耦合、辐射耦合及串扰耦合；最后，根据各设备实际工作特点分析存在的敏感设备；

结合上述电磁环境分析，依照现有的测量标准，选择测量环境及测量位置，分别对不同工况下高速列车整车的辐射发射进行实际测量，完成对原始测量数据的采集。

3.根据权利要求1所述的方法，其特征在于，所述S120包括：

(1)确定挖掘目标为高速列车整车辐射发射预测分析，收集和整理整车辐射发射测量数据；

(2)采用相关分析检测方法去除原始测量数据中无关和冗余数据；

(3)采用属性规约的方法减少数据维数，从处理后的测量数据中抽取一个与挖掘数据有关的样本数据子集；采用属性构造的方法对样本数据子集中数据进行规范化处理，使其适用于挖掘任务的需要。

4.根据权利要求1所述的方法，其特征在于，所述S130包括：

利用神经网络建模方法建立列车工况判断模型和高速列车电磁发射预测模型，实现对不同工况的判断以及不同工况下高速列车电磁辐射发射的预测分析，具体地：

列车工况判别模型的构建：(1)将处理后的数据按比例分为训练数据集和验证数据集；(2)选择RBF神经网络建模方法，利用训练数据集对模型进行训练；(3)模型训练完成后，利用验证数据集的数据对模型的有效性进行验证分析；(4)根据模型输出结果的误差大小，不断对模型进行反复的训练验证分析，直到误差满足设定的要求为止，完成列车工况判别模型的构建；

首先，利用所构建的列车工况判别模型判断高速列车的所处的工况，然后在该种工况下对列车的辐射发射特性进行预测分析：采用建立列车工况判别模型相同的建模方法完成高速列车电磁发射预测模型的构建，通过所述高速列车电磁发射预测模型预测不同工况下高速列车电磁发射数据，分析预测的电磁发射数据是否超过了标准中所规定的限值，若超过则按照指定的格式发布预警信息，若没有超过，则继续对电磁发射数据进行预测对比，重复此过程，从而实现对高速列车电磁发射特性的预测。