一种基于循环神经网络的接触网性能退化预测方法技术

本发明专利技术公开了一种基于循环神经网络的接触网性能退化预测方法，包括以下步骤：1)输入弓网检测数据；2)对弓网检测数据进行预处理；3)采用希尔伯特‑黄变换分析法提取数据特征；4)循环神经网络的训练和预测：根据神经元输入数据，采用长短期记忆网络进行训练，发现弓网检测数据的规律，并以此预测接触网性能退化趋势。本发明专利技术利用长短期记忆人工神经网络来预测接触网性能退化情况，其预测输出识别率高，且网络运行时间低。

A prediction method of catenary performance degradation based on recurrent neural network

【技术实现步骤摘要】
一种基于循环神经网络的接触网性能退化预测方法
本专利技术涉及一种接触网性能退化预测方法，尤其涉及一种基于循环神经网络的接触网性能退化预测方法。
技术介绍
接触网是铁路电气化工程的主构架，是沿铁路线上空架设的向电力机车供电的特殊形式的输电线路。担负着把从牵引变电所获得的电能直接输送给电力机车使用的重要任务。因此接触网的性能和工作状态将直接影响着电气化铁道的运输能力。目前，市面上没有较好的预测接触性能退化的手段，已有的方法存在如下的缺点：(1)预测精度不够高；(2)预测模型参数较多。
技术实现思路
为了解决上述问题，本专利技术提出一种基于循环神经网络的接触网性能退化预测方法，具体的，包括以下步骤：S1.输入弓网检测数据：弓网检测数据包括但不限于接触网接触几何参数中的导高、拉出值、压力、硬点和接触线磨耗；S2.数据预处理：对弓网检测数据预处理，预处理方法包括但不限于滤波和数据归一化；S3.数据特征提取：提取方法采用希尔伯特-黄变换分析法，它包括经验模态分解法和希尔伯特谱分析；具体的，先采用经验模态分本文档来自技高网...

【技术保护点】
1.一种基于循环神经网络的接触网性能退化预测方法，其特征在于，包括以下步骤：/nS1.输入弓网检测数据：弓网检测数据包括但不限于接触网接触几何参数中的导高、拉出值、压力、硬点和接触线磨耗；/nS2.数据预处理：对弓网检测数据预处理，预处理方法包括但不限于滤波和数据归一化；/nS3.数据特征提取：提取方法采用希尔伯特-黄变换分析法，它包括经验模态分解法和希尔伯特谱分析；具体的，先采用经验模态分解法，对弓网检测数据进行分解，再计算本征模态函数分量数据相关性，以获得更加明确的特征信息，把所有的特征归一化后串在一起，构成循环神经网络的一个N维向量的神经元输入；/nS4.循环神经网络的训练和预测：根据神...

【技术特征摘要】
1.一种基于循环神经网络的接触网性能退化预测方法，其特征在于，包括以下步骤：
S1.输入弓网检测数据：弓网检测数据包括但不限于接触网接触几何参数中的导高、拉出值、压力、硬点和接触线磨耗；
S2.数据预处理：对弓网检测数据预处理，预处理方法包括但不限于滤波和数据归一化；
S3.数据特征提取：提取方法采用希尔伯特-黄变换分析法，它包括经验模态分解法和希尔伯特谱分析；具体的，先采用经验模态分解法，对弓网检测数据进行分解，再计算本征模态函数分量数据相关性，以获得更加明确的特征信息，把所有的特征归一化后串在一起，构成循环神经网络的一个N维向量的神经元输入；
S4.循环神经网络的训练和预测：根据神经元输入数据，采用长短期记忆网络进行训练，发现弓网检测数据的规律，并以此预测接触网性能退化趋势。


2.根据权利要求1所述的一种基于循环神经网络的接触网性能退化预测方法，其特征在于，步骤S3包括以下子步骤：
S31.对输入原始信号X[t]，首先找出所有极值点，然后用三次样条函数对所有的极大值点进...

【专利技术属性】
技术研发人员：张楠，王瑞锋，
申请(专利权)人：成都唐源电气股份有限公司，
类型：发明
国别省市：四川;51