【技术实现步骤摘要】
基于Hadoop平台的BP神经网络的地铁信号系统故障预测方法
本专利技术涉及Hadoop平台、神经网络与地铁信号设备,在Hadoop平台基础上结合BP神经网络对地铁信号设备数据进行处理,并预测故障数据。
技术介绍
城市地铁信号设备是保证列车运行安全,实现行车指挥及列车运行现代化、提高运输效率的关键系统设备,其设施健康与否直接影响到轨道交通系统的安全与稳定运行,影响轨道交通运营服务质量。地铁信号设备维护一般包括日常养护和集中检修两种方式,而目前国内各城市的信号系统只有在设备出现异常或故障时才会由维护人员进行故障处理,由于人员投入成本巨大,设施分散,故障多样化等问题使得检修人员缺少事前准备,不能在短时间内将故障解决,进而阻碍甚至中断城市地铁信号设备运营服务。采用基于数据的地铁信号系统设备的预测方法,预防并减少地铁信号设备的故障,是当前轨道交通系统中的一项极其重要的研究课题。
技术实现思路
本专利技术一种基于Hadoop平台的BP神经网络的地铁信号系统故障预测方法,包括以下步骤:步骤1、对存储于微机监控系统中的轨道电路数据进行提取并储存到Hadoop平台中;步骤2、由Hadoop从每个文件中提取出相应的设备状态数据,整合并按日期存储在HDFS中;步骤3、对损坏数据进行识别和修复,采用的方法为根据时间节点在数据库中寻找与其相似的节点来进行填补;步骤4、进行神经网络训练,根据轨道电路反馈数据的特征选取三层神经网络,根据不同的设备确定输入节点个数,根据经验公式选择隐含层节点、节点阀值和权值;采用传统神经网络赋值方法为随机数;步骤5、选取最大迭代次数为1000次,最小误差为 ...
【技术保护点】
1.一种基于Hadoop平台的BP神经网络的地铁信号系统故障预测方法,其特征在于,包括以下步骤:步骤1、对存储于微机监控系统中的轨道电路数据进行提取并储存到Hadoop平台中;步骤2、由Hadoop从每个文件中提取出相应的设备状态数据,整合并按日期存储在HDFS中;步骤3、对损坏数据进行识别和修复,采用的方法为根据时间节点在数据库中寻找与其相似的节点来进行填补;步骤4、进行神经网络训练,根据轨道电路反馈数据的特征选取三层神经网络,根据不同的设备确定输入节点个数,根据经验公式
【技术特征摘要】
1.一种基于Hadoop平台的BP神经网络的地铁信号系统故障预测方法,其特征在于,包括以下步骤:步骤1、对存储于微机监控系统中的轨道电路数据进行提取并储存到Hadoop平台中;步骤2、由Hadoop从每个文件中提取出相应的设备状态数据,整合并按日期存储在HDFS中;步骤3、对损坏数据进行识别和修复,采用的方法为根据时间节点在数据库中寻找与其相似的节点来进行填补;步骤4、进行神经网络训练,根据轨道电路反馈数据的特征选取三层神经网络,根据不同的设备确定输入节点个数,根据经验公式选择隐含层节点、节点阀值和权值;采用传统神经网络赋值方法为随机数;步骤5、选取最大迭代次数为1000次,最小误差为0.001,并采用Widrow-Hoff学习规则进行反向训练;步骤6、利用Hadoop平台将原始数据和神经网络算法切割为一些小的数据按键值对的方式传送给5个节点,在同一时刻进行BP神经网络训练,并...
【专利技术属性】
技术研发人员:卢凡,王恒丁,陈则宇,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。