[发明专利]基于神经网络的动车组中继阀气体泄漏故障预测方法

权利要求书

1.一种基于神经网络的动车组中继阀气体泄漏故障预测方法，其特征在于：包括以下步骤：

步骤1：数据采集：采集时间连续P批训练数据Q_p，0pP，P为大于0的整数；每批训练数据由T个时刻中继阀第1至第N个进气口和第1至第M个出气口的气压组成；

步骤2：模型训练：采用神经网络预测特征参数，所述神经网络包括输入层、第一至第Z隐层和输出层，Z≥1；训练方法有以下具体步骤组成：

步骤2-1：初始化模型参数：设置训练次数计数器p＝0；设置输入数据倍增因子r＝1；设置输入层到第一隐层之间的权值矩阵V＝{v_ij}为随机数矩阵；设置第Z隐层到输出层之间的权值矩阵W＝{w_jk}为随机数矩阵；设置模型目标精度E_MIN；

步骤2-2：输入训练数据：p＝p+1；输入训练数据Q_p...Q_p+r，训练数据Q_p...Q_p+r-1的进气口数据X＝(x₁、x₂、…、x_i、…、x_n)^T为输入层的输入向量，n＝rNT，训练数据Q_p+1...Q_p+1出气口数据作为期望输出向量，l＝rMT；

步骤2-3：V＝{v_j}，1≤j≤m，为输入层到第一隐层之间的权值向量，计算各隐层输入向量Yz＝(y_z1、y_z2、…、y_zj、…、y_zm)^T，zm为第z隐层输入向量的维数，1≤z≤Z：

步骤2-4：第Z隐层到输出层之间的权值矩阵用W＝{w_jk}表示；计算输出层输出向量为

步骤2-5：计算预测误差：

步骤2-6：如果预测误差超出预设值，r＝r+1，p＝p-1，转向步骤2-2；否则转向步骤2-7；

步骤2-7：计算出隐层的误差信号和输出层的误差信号

步骤2-8：调整权值；

式中η为学习率，设置为(0～1]区间的小数；

步骤2-9：检查模型精度是否达到要求，模型精度其中若E_RMEE_MIN，训练结束，否则转向步骤2-2；

步骤3：气压预测：输入连续T时刻进气口数据X＝(x₁、x₂、…、x_i、…、x_n)^T为输入层的输入向量，使用步骤2训练好的神经网络预测时间相邻连续T时刻出气口数据O＝(o₁、o₂、…、o_k、…、o_l)^T；

步骤4：故障预测：判断出气口数据O＝(o₁、o₂、…、o_k、…、o_l)^T中是否存在超出故障预设阈值的元素，若存在，判定此元素对应时刻中继阀出现故障，并发出报警；否则，对出气口数据进行故障计算：

若超出参数标定阈值，则判定k时刻中继阀出现故障，发出报警信号。