[发明专利]基于长短时记忆神经网络的列控车载设备故障诊断方法有效
| 申请号： | 201810252504.0 | 申请日： | 2018-03-26 |
| 公开（公告）号： | CN108536123B | 公开（公告）日： | 2019-08-30 |
| 发明（设计）人： | 蔡伯根;上官伟;杨嘉明;石锡尧;王剑 | 申请（专利权）人： | 北京交通大学 |
| 主分类号： | G05B23/02 | 分类号： | G05B23/02;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京市商泰律师事务所 11255 | 代理人： | 黄晓军 |
| 地址： | 100044 北*** | 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： | 本发明提供了一种基于长短时记忆神经网络的列控车载设备故障诊断方法。该方法包括：利用车载设备的日志文件通过文本数据挖掘处理构建车载设备运行信息语料库，并构建原始样本数据；构造LSTM网络和BP网络级联的多层网络系统，采用贝叶斯正则化算法对多层网络系统进行优化；利用训练样本数据来对优化后的多层网络系统进行训练，利用训练好的多层网络系统构成列控车载设备的故障诊断模型，利用故障诊断模型对列控车载设备的未知故障样本进行诊断，得到未知故障样本的诊断结果。本发明提出了基于LSTM网络和BP网络级联的列控车载设备的故障诊断方法，实现列车运行信息的智能分类，减少现场对人工经验的需求，有效进行列控车载设备的故障诊断。 | ||
| 搜索关键词： | 列控车载设备 多层网络系统 故障诊断 故障诊断模型 结合神经网络 车载设备 故障样本 记忆网络 构建 级联 列车运行信息 文本数据挖掘 训练样本数据 人工经验 日志文件 原始样本 诊断结果 智能分类 贝叶斯 语料库 正则化 算法 优化 网络 诊断 | ||
【主权项】：
1.一种基于长短时记忆神经网络的列控车载设备故障诊断方法，其特征在于，包括：利用车载设备的日志文件通过文本数据挖掘处理构建车载设备运行信息语料库，利用车载设备运行信息语料库构建原始样本数据；构造LSTM网络和BP网络级联的多层网络系统，采用贝叶斯正则化算法从权值优化和结构调整两方面对所述多层网络系统进行优化；对原始样本数据进行分类，分为训练样本数据、验证样本数据和测试样本数据，利用训练样本数据来对优化后的所述多层网络系统进行训练，利用训练好的多层网络系统构成列控车载设备的故障诊断模型，利用所述列控车载设备的故障诊断模型对列控车载设备的未知故障样本进行诊断，得到未知故障样本的诊断结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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北京交通大学，未经北京交通大学许可，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/patent/201810252504.0/，转载请声明来源钻瓜专利网。
