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。?? |
