[发明专利]基于长短时记忆循环神经网络的城轨设备故障预测方法

摘要

本发明公开了一种基于长短时记忆循环神经网络的城轨设备故障预测方法，通过对设备的故障进行分类、分析故障机理、分析故障特征的影响因素，并选取可量化的因素作为模型的输入，再对输入数据进行预处理，最后建立VPSO‑LSTM的设备故障预测模型并对故障的预测性能进行检验分析，从而得到一种城轨设备故障预测的方法，能预测出设备在一段时间后发生故障的可能性，同时也能分析影响因素对设备无故障运行时间的影响，为科学的维修管理提供依据，大大提高了设备的可靠性，同时也降低了设备的管理成本。

主权项

1.基于长短时记忆循环神经网络的城轨设备故障预测方法，其特征在于，包括如下步骤：S1，设备故障分类：将设备根据其组成模块及实际故障情况分类；S2，故障机理分析：针对步骤S1的故障分类分别进行故障机理分析，了解设备故障的原因；S3，故障特征影响因素分析：对设备故障造成影响的特征因素进行分析，并选取可量化的因素作为模型输入；S4，数据预处理：对数据进行预处理；S5，构建基于速度自适应的粒子群算法的长短时记忆循环神经网络的设备故障预测模型，所述步骤进一步包括：S51，选择长短时记忆循环神经网络作为故障预测模型，设置模型的网络参数；S52，采用速度自适应的粒子群算法确定长短时记忆循环神经网络的参数，得到最终的故障预测模型；S6，模型预测与分析评估：根据构建的模型进行设备故障预测，对模型的预测性能进行分析评价。