[发明专利]基于粗糙集-神经网络模型的列控车载设备故障分类与识别方法在审
| 申请号： | 201810259114.6 | 申请日： | 2018-03-27 |
| 公开（公告）号： | CN108537259A | 公开（公告）日： | 2018-09-14 |
| 发明（设计）人： | 上官伟;蔡伯根;冯娟;张军政;王剑;刘江;陆德彪;姜维 | 申请（专利权）人： | 北京交通大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;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粗糙集‑神经网络模型的列控车载设备故障分类与识别方法。该方法包括：根据由列控车载设备故障日志文件分析整理的故障案例库，挖掘出故障种类和故障代码之间的对应关系，对故障案例库中的故障代码和故障种类进行编码，生成最初决策表，确定分类规则；运用RST对最初决策表进行属性约简，生成最终决策规则；基于最终决策规则构建神经网络模型，利用神经网络模型实现对列控车载设备的故障识别。本发明提出了一种神经网络结合粗糙集理论的故障分类与识别方法，解决了含有高噪声列控车载设备文本故障数据的故障识别率低及不完备知识处理能力差等问题，可以保证列控车载设备的故障分类识别的准确性。 | ||
| 搜索关键词： | 列控车载设备 神经网络模型 故障分类 故障案例库 故障代码 故障识别 最终决策 粗糙集 决策表 故障日志文件 粗糙集理论 分类规则 故障数据 规则构建 神经网络 属性约简 知识处理 高噪声 文本 挖掘 保证 分析 | ||
【主权项】：
1.一种基于粗糙集‑神经网络模型的列控车载设备故障分类与识别方法，其特征在于，包括：根据由列控车载设备故障日志文件分析整理的故障案例库，挖掘出故障种类和故障代码之间的对应关系，对所述故障案例库中的故障代码和故障种类进行编码，生成最初决策表，确定故障分类规则；运用RST对所述最初决策表进行属性约简，生成最终决策规则；基于所述最终决策规则构建基于神经网络的故障诊断系统，利用所述基于神经网络的故障诊断系统实现对列控车载设备的故障识别。
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/201810259114.6/，转载请声明来源钻瓜专利网。
- 上一篇：经典航迹的相似航迹识别方法
- 下一篇：一种基于脑电波的作文评测方法
