[发明专利]一种吊弦缺陷趋势预测的方法

说明书

一种吊弦缺陷趋势预测的方法，包括：获取现场吊弦各项缺陷数据；对吊弦各项缺陷数据进行预处理；将预处理后的吊弦各项缺陷数据作为训练数据，采用Adam优化算法对用于吊弦缺陷趋势预测的LSTM网络进行训练，得到吊弦缺陷趋势预测最优模型；实时采集吊弦缺陷数据，利用吊弦缺陷趋势预测最优模型对吊弦缺陷趋势进行预测。本发明解决了现有技术对吊弦缺陷趋势进行预测，准确率低和成本高等问题。

技术领域

本发明涉及的是神经网络领域，特别涉及一种吊弦缺陷趋势预测的方法。

背景技术

接触网是铁路牵引供电系统的重要组成部分，因其设置于户外露天环境，工作环境较为恶劣，容易受外界影响，且结构复杂，为高速铁路牵引供电系统中故障率较高的子系统。整体吊弦是接触网的主要组成部件，主要起悬吊和载流作用。吊弦的露天设置、无备用性使得对其缺陷趋势的预测尤为重要。然而，现有对吊弦缺陷趋势进行预测，仍然靠人工经验，存在预测准确率低，成本高等问题。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种吊弦缺陷趋势预测的方法。

为了解决上述技术问题，本申请实施例公开了如下技术方案：

一种吊弦缺陷趋势预测的方法，包括：

S100.获取现场吊弦各项缺陷数据；

S200.对吊弦各项缺陷数据进行预处理；

S300.将预处理后的吊弦各项缺陷数据作为训练数据，采用Adam优化算法对用于吊弦缺陷趋势预测的LSTM网络进行训练，得到吊弦缺陷趋势预测最优模型；

S400.实时采集吊弦缺陷数据，利用吊弦缺陷趋势预测最优模型对吊弦缺陷趋势进行预测。

进一步地，S100中，获取现场吊弦各项缺陷数据的具体方法为：基于高速铁路牵引供电安全检测监测系统获取现场吊弦缺各项陷数据，对各项指标数据进行采样汇总，以月份为采样周期对吊弦各项缺陷数据进行上卷，使其成为时间序列。

进一步地，S200中，对吊弦各项缺陷数据进行预处理包括缺失值补全和标准化处理。

进一步地，对吊弦各项缺陷数据进行缺失值补全，具体为：对以月份为采样周期的时间序列进行缺失值检测，对前后时间间隔不大的缺失数据采用均值补全的方法进行处理，如以下公式所示：

式中：x_b为b月份的时序缺失值；x_b+i、x_b-i分别为b+i、b-i月份的有效数据。

进一步地，对吊弦各项缺陷数据进行标准化处理，具体为：采用最小-最大归一化方法将数据归一化到区间[0,1]，如以下公式所示：

式中：X_max、X_min分别为时间序列的最大值、最小值；X为原始值；X_norm为标准化后的值。

进一步地，LSTM网络模型包括输入层、隐藏层、网络训练以及网络训练以及网络预测5个功能模块：输入层负责对原始故障时间序列进行初步处理以满足网络输入要求；隐藏层采用LSTM细胞搭建单层循环神经网络；输出层提供预测结果；网络训练采用Adam优化算法；网络预测采用迭代的方法逐点预测。

进一步地，LSTM网络模型训练过程为：

S301.初始化网络参数；

S302.将训练参数输入网络，计算网络输出；

S303.计算损失函数；

S304.计算网络函数对损失函数在层级和时间2个方向上的梯度；