基于深度卷積神經(jīng)網(wǎng)絡(luò)的軌道電路故障自動(dòng)診斷方法
基本信息
| 申請(qǐng)?zhí)?/td> | CN202010333737.0 | 申請(qǐng)日 | - |
| 公開（公告）號(hào) | CN111626416A | 公開（公告）日 | 2020-09-04 |
| 申請(qǐng)公布號(hào) | CN111626416A | 申請(qǐng)公布日 | 2020-09-04 |
| 分類號(hào) | G06N3/08(2006.01)I | 分類 | 計(jì)算；推算；計(jì)數(shù); |
| 發(fā)明人 | 黃春雷;周明晰;李逸峰;禹建麗;盧姣 | 申請(qǐng)（專利權(quán)）人 | 黑龍江瑞興科技股份有限公司 |
| 代理機(jī)構(gòu) | 洛陽(yáng)公信知識(shí)產(chǎn)權(quán)事務(wù)所（普通合伙） | 代理人 | 黑龍江瑞興科技股份有限公司 |
| 地址 | 150000黑龍江省哈爾濱市經(jīng)開區(qū)南崗集中區(qū)長(zhǎng)江路368號(hào)1512室 | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明公開一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的軌道電路故障自動(dòng)診斷方法，首先，獲取軌道電路的實(shí)時(shí)變化數(shù)據(jù)，建立軌道電路故障類型數(shù)據(jù)集，將數(shù)據(jù)集劃分為訓(xùn)練樣本和測(cè)試樣本；其次，建立一維的深度卷積神經(jīng)網(wǎng)絡(luò)，輸入訓(xùn)練集樣本訓(xùn)練網(wǎng)絡(luò)模型，通過(guò)測(cè)試樣本評(píng)估網(wǎng)絡(luò)模型的準(zhǔn)確率，得到訓(xùn)練好的一維深度卷積神經(jīng)網(wǎng)絡(luò)模型；最后，將軌道電路的實(shí)時(shí)變化數(shù)據(jù)輸入訓(xùn)練好的深度卷積神經(jīng)網(wǎng)絡(luò)模型，通過(guò)神經(jīng)網(wǎng)絡(luò)建立輸入與輸出之間的映射關(guān)系，輸出故障類型，定位故障位置。本發(fā)明方法可以提高型軌道電路故障診斷效率和準(zhǔn)確率，有助于現(xiàn)場(chǎng)維護(hù)人員對(duì)故障進(jìn)行快速處理，提高軌道電路維護(hù)維修效率和智能化水平。?? |
