一种高速列车车载设备电磁敏感性预测模型的建模方法技术

本发明专利技术提供了一种高速列车车载设备电磁敏感性预测模型的建模方法，基于神经网络建模原理，利用实际测试数据构建神经网络模型的训练及验证数据集，避免了仿真建模所遇到的需探测设备的内部电路等问题。通过选择合适的神经网络建模方法及对参数合理的初始化设置，最终以训练数据集完成了对于模型的训练，并利用验证集对模型预测结果的准确性进行了验证分析，证明了所建立的神经网络快速预测模型是有效的，这为高速动车组车载设备的电磁敏感性分析提供了新的有效途径。

【技术实现步骤摘要】
一种高速列车车载设备电磁敏感性预测模型的建模方法
本专利技术涉及神经网络、电磁兼容、电磁测量
，尤其涉及一种高速列车车载设备电磁敏感性预测模型的建模方法。
技术介绍
高速动车组在跨线运行中将经历复杂动态变化的电磁环境，面临着来自系统内外的各类电磁骚扰源的发射，且有辐射、传导和串扰等多种传输耦合途径并存，而像车载通信、信号设备等这些弱电系统的信号传输与接收设备又极易受到空间中其他系统产生的电磁骚扰的影响，所以为了保证这些车载设备的正常工作，有必要对其电磁敏感性进行建模分析。利用仿真软件对车载设备的电磁敏感性进行建模分析时，模型比较复杂，需要同时考虑设备内部的具体电路设置及详细的工作原理，稍有不慎就会导致预测结果有误，而且设备内部的电路结构往往是厂家保密部分，所以并不易得。而基于神经网络建模方法对车载设备的电磁敏感性进行分析就能很好的避免这些问题，它的黑盒建模理论使其并不需要知道设备内部的具体结构，只需要基于有效的实测数据就可以很方便的构建出车载设备的电磁敏感性快速预测模型，且预测速度较快，模型应用也具有一定拓展性。专本文档来自技高网...

【技术保护点】
1.一种高速列车车载设备电磁敏感性预测模型的建模方法，其特征在于，包括如下步骤：/n基于神经网络建模原理，分析车载设备电磁敏感性预测模型的建模步骤，获得基本建模流程；/n通过测试获得车载设备电磁敏感性的监测数据，基于该监测数据构建所述车载设备电磁敏感性预测模型的训练数据集和验证数据集；/n基于车载设备的工作原理，选择所述车载设备电磁敏感性预测模型所属的神经网络结构类型，进行参数的初始化设置；/n通过所述训练数据集对初始化后的所述车载设备电磁敏感性预测模型进行训练，通过所述验证数据集对训练后的所述车载设备电磁敏感性预测模型进行验证。/n

【技术特征摘要】
1.一种高速列车车载设备电磁敏感性预测模型的建模方法，其特征在于，包括如下步骤：
基于神经网络建模原理，分析车载设备电磁敏感性预测模型的建模步骤，获得基本建模流程；
通过测试获得车载设备电磁敏感性的监测数据，基于该监测数据构建所述车载设备电磁敏感性预测模型的训练数据集和验证数据集；
基于车载设备的工作原理，选择所述车载设备电磁敏感性预测模型所属的神经网络结构类型，进行参数的初始化设置；
通过所述训练数据集对初始化后的所述车载设备电磁敏感性预测模型进行训练，通过所述验证数据集对训练后的所述车载设备电磁敏感性预测模型进行验证。


2.根据权利要求1所述的方法，其特征在于，所述基本建模流程包括：
分析车载设备输入量与输出量；
构建车载设备电磁敏感性预测模型的建模数据集；
确定车载设备电磁敏感性预测模型所属的神经网络结构类型的选择机制。


3.根据权利要求1所述的方法，其特征在于，所述的通过测试获得车载设备电磁敏感性的监测数据，基于该监测数据构建所述车载设备电磁敏感性预测模型的训练数据集和验证数据集包括：
将所述的检测数据通过随机抽取的方式分为两部分，一部分用于构建所述训练数据集，另一部分用于构建所述验证数据集。


4.根据权利要求3所述的方法，其特征在于，所述训练数据集和验证数据集的数据数量比为7:3。


5.根据权利要求1所述的方法，其特征在于，基于车...

【专利技术属性】
技术研发人员：张丹，闻映红，宋亚丽，张金宝，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京;11