申请/专利权人：交控科技股份有限公司

申请日：2020-06-29

公开（公告）日：2024-04-26

公开（公告）号：CN111860971B

主分类号：G06Q10/04

分类号：G06Q10/04;G06N3/08;G06N3/04;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2020.11.17#实质审查的生效;2020.10.30#公开

摘要：本发明实施例提供了一种道岔转辙机剩余寿命预测方法及装置，利用道岔转辙机剩余寿命预测模型实现对道岔转辙机的剩余寿命的预测，可以为后续对道岔转辙机的健康状态检测提供检测时机的判断标准。而且，由于道岔转辙机剩余寿命预测模型在构建时，其输入层和隐藏层之间的权值系数、隐藏层和输出层之间的权值系数、隐藏层的阈值参数以及输出层的阈值参数基于惯性权重由余弦函数确定的自适应全局粒子群算法进行初始化得到，可以使得道岔转辙机剩余寿命预测模型的预测准确度更高。

主权项：1.一种道岔转辙机剩余寿命预测方法，其特征在于，包括：获取道岔转辙机的电流曲线数据；将所述电流曲线数据输入至道岔转辙机剩余寿命预测模型，得到由所述道岔转辙机剩余寿命预测模型输出的所述道岔转辙机的剩余寿命；其中，所述道岔转辙机剩余寿命预测模型基于神经网络构建，且所述神经网络中输入层和隐藏层之间的权值系数、所述隐藏层和输出层之间的权值系数、所述隐藏层的阈值参数以及所述输出层的阈值参数基于自适应全局粒子群算法进行初始化得到，所述自适应全局粒子群算法中的惯性权重基于余弦函数确定；所述道岔转辙机剩余寿命预测模型基于带有剩余寿命标签的道岔转辙机的电流曲线数据训练样本训练得到；还包括：若判断获知所述道岔转辙机的剩余寿命大于等于单次维修作业时长，则多次确定所述道岔转辙机的剩余寿命，并判断多次确定的结果的波动值是否大于等于预设波动值；若多次确定的结果的波动值大于等于所述预设波动值，则基于所述电流曲线数据训练样本重新训练得到道岔转辙机剩余寿命预测模型，并基于重新训练得到的道岔转辙机剩余寿命预测模型，对所述道岔转辙机的剩余寿命进行预测；所述神经网络中输入层和隐藏层之间的权值系数、所述隐藏层和输出层之间的权值系数、所述隐藏层的阈值参数以及所述输出层的阈值参数基于自适应全局粒子群算法进行初始化得到，具体包括：计算粒子群中每个粒子处于当前位置且当前速度的当前适应度值；对于所述粒子群中的每个粒子，基于所述粒子的当前适应度值，更新所述粒子的个体最佳位置以及所述粒子群的全局最佳位置，并基于更新的结果，采用位置更新公式以及速度更新公式分别对所述粒子的位置和速度进行更新；迭代上述步骤，直至满足迭代结束条件，并基于所述速度更新公式中的惯性权重确定所述神经网络中输入层和隐藏层之间的权值系数、所述隐藏层和输出层之间的权值系数以及所述隐藏层的阈值参数；基于所述速度更新公式中的全局最佳位置的系数，确定所述输出层的阈值参数；所述基于所述粒子的当前适应度值，更新所述粒子的个体最佳位置以及所述粒子群的全局最佳位置，具体包括：若判断获知所述粒子的当前适应度值小于等于所述粒子在个体最佳位置上的适应度值，则将所述粒子的当前位置更新为所述粒子的个体最佳位置；若判断获知所述粒子在个体最佳位置上的适应度值小于等于所述粒子在所述粒子群的全局最佳位置上的适应度值，则将所述粒子群的全局最佳位置更新为所述粒子的个体最佳位置；所述道岔转辙机剩余寿命预测模型基于如下方法进行训练：将所述电流曲线数据训练样本输入至初始模型中；基于反向传播算法，对所述初始模型中输入层和隐藏层之间的权值系数、所述隐藏层和输出层之间的权值系数、所述隐藏层的阈值参数以及所述输出层的阈值参数进行更新，直至所述初始模型的准确度达到预设阈值，得到所述道岔转辙机剩余寿命预测模型；其中，所述初始模型是初始化所述神经网络中输入层和隐藏层之间的权值系数、所述隐藏层和输出层之间的权值系数、所述隐藏层的阈值参数以及所述输出层的阈值参数后的神经网络；所述速度更新公式为： 所述位置更新公式为： 其中，Vidt+1为更新后的第i个粒子在d个维度上的速度，Vidt为更新前的第i个粒子在d个维度上的速度，t为时刻，r1为个体影响因子，r2为社会影响因子，r1和r2均为0-1之间的均匀随机数，ω＝cosπ×α为惯性权重，α为0-1之间的均匀随机数，k为当前迭代次数，为更新前的第i个粒子在d个维度上的位置，为更新后的第i个粒子在d个维度上的位置，λ＝0.5，ρ为0-1之间的均匀随机数，c1和c2均为学习因子。

全文数据：

权利要求：

百度查询： 交控科技股份有限公司 道岔转辙机剩余寿命预测方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD