一种基于长短时记忆网络的列车状态在线预测方法技术

本发明专利技术公开了一种基于长短时记忆网络的列车状态在线预测方法，首先对列车状态监测数据预处理与归一化，完成状态监测数据的选取与划分；然后对LSTM进行网络链式结构设计，建立多层交互结构；进行LSTM网络门结构设计，得到包含输入门、遗忘门和输出门的LSTM单元结构；采用基于求解梯度的反向传播算法，更新网络权重和偏置参数；最后选取列车速度数据为研究对象，进行了列车速度预测，本发明专利技术解决了现有技术中存在的列车状态预测不准确，故障误报率高，传统估计算法运算复杂，可移植性差，离线状态预测不能掌握与控制列车实时状态，预测精度不高的问题。

【技术实现步骤摘要】
一种基于长短时记忆网络的列车状态在线预测方法
本专利技术属于轨道交通运行安全
，具体涉及一种基于长短时记忆网络的列车状态在线预测方法。
技术介绍
随着我国列车的快速发展，列车的安全问题越来越受到重视。为了促进我国轨道交通的健康可持续发展，开展适应于列车状态的实时在线预测显得十分重要。准确的列车状态预测是保证列车高速安全运行的基础。通过对列车状态的在线实时预测，可以掌握列车各部分的实时性能，为列车实时精准控制打下基础。因此，以列车监测数据为研究对象，基于长短时记忆网络(LongShortTermMemoryNetwork,LSTM)，开展适应于列车状态预测的基础研究意义重大。
技术实现思路
本专利技术的目的是提供一种基于长短时记忆网络的列车状态在线预测方法，解决了现有技术中存在的列车状态预测不准确，故障误报率高，传统估计算法运算复杂，可移植性差，离线状态预测不能掌握与控制列车实时状态，预测精度不高的问题。本专利技术所采用的技术方案是，一种基于长短时记忆网络的列车状态在线预测方法，具体按照以下步骤实施：步骤1、列车状态监测数据预处理与归一化；步骤2、列车状态监测数据选取与划分；步骤3、本文档来自技高网...

【技术保护点】
1.一种基于长短时记忆网络的列车状态在线预测方法，其特征在于，具体按照以下步骤实施：步骤1、列车状态监测数据预处理与归一化；步骤2、列车状态监测数据选取与划分；步骤3、LSTM网络门结构设计；步骤4、LSTM网络梯度反向计算误差；步骤5、调节网络循环次数，进行状态预测。

【技术特征摘要】
1.一种基于长短时记忆网络的列车状态在线预测方法，其特征在于，具体按照以下步骤实施：步骤1、列车状态监测数据预处理与归一化；步骤2、列车状态监测数据选取与划分；步骤3、LSTM网络门结构设计；步骤4、LSTM网络梯度反向计算误差；步骤5、调节网络循环次数，进行状态预测。2.根据权利要求1所述的一种基于长短时记忆网络的列车状态在线预测方法，其特征在于，所述步骤1具体如下：数据预处理包括对列车状态监测数据进行缺失数据补全、突变点剔除操作；数据归一化采用线性函数归一化，去掉状态监测数据的量纲，将数据限制到一定区间，使运算更为便捷，如下式：其中，x为列车状态不同时刻的监测数据，xmin和xmax分别为状态监测数据中的最小值和最大值，xnorm为归一化处理后的状态数据。3.根据权利要求2所述的一种基于长短时记忆网络的列车状态在线预测方法，其特征在于，所述步骤2具体如下：选取列车状态历史监测数据为研究对象，对监测数据进行划分，设定前70％和后30％的历史监测数据为LSTM网络训练数据集和测试数据集，用于之后的LSTM网络模型的训练与测试。4.根据权利要求3所述的一种基于长短时记忆网络的列车状态在线预测方法，其特征在于，所述步骤3具体如下：步骤3.1、以t时刻的网络细胞为研究对象，t时刻的细胞输入由t-1时刻的隐藏层单元ht-1、t-1时刻的细胞状态Ct-1和当前时刻的列车状态数据xt共同组成，t时刻的细胞输出为隐藏层单元ht和细胞状态Ct；步骤3.2：遗忘门决定上一时刻细胞状态Ct-1中的信息传递到当前时刻Ct中的信息量，由ft控制，值域为(0,1)，其计算公式如下：ft＝σ(Wxfxt+Uhfht-1+bf)式中，ft为遗忘门状态，Wxf和Uhf分别为输入列车状态特征向量和隐藏层单元与遗忘门之间的权重，bf为遗忘门的偏差值，σ表示sigmod函数，如下所示：式中，x为输入数据，通过sigmod函数将数据映射到[0,1]之间，便于后续的分析与处理；步骤3.3：细胞输入门用来控制当前输入新生成的信息中加入到细胞状态Ct中的信息量，由it控制，值域为(0,1)...

【专利技术属性】
技术研发人员：谢国，金永泽，杨延西，王文卿，张春丽，冯楠，孙澜澜，张永艳，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西,61