一种槽型轨几何参数趋势预测方法及系统技术方案

本发明专利技术公开了一种槽型轨几何参数趋势预测方法及系统，该方法包括下述步骤：将检测的槽型轨几何参数值进行数据存储及批量处理；进行数据预处理识别并修正异常值；构建并训练径向基神经网络，选取槽型轨设定检测区段的左右高低、左右轨向、轨距和超高数据，将处于同一检测时段的各项参数平均值输入所述径向基神经网络进行训练；选取槽型轨设定检测区段的磨耗数据的最大值输入径向基神经网络进行训练；迭代更新径向基神经网络基函数的中心、方差、隐含层与输出层之间的权值；输入检测数据预测得到槽型轨不平顺和磨耗值预测数据。本发明专利技术将大数据、神经网络与轨道几何参数预测相结合，提高了神经网络的泛化能力和收敛速度。

【技术实现步骤摘要】
一种槽型轨几何参数趋势预测方法及系统
本专利技术涉及槽型轨检测
，具体涉及一种槽型轨几何参数趋势预测方法及系统。
技术介绍
目前，有轨电车项目与大数据的结合多是在事前监控、处理器级响应、数据仓库技术(数据分析、挖掘)、物联网技术(乘客服务客户端)以及嵌入式系统带动技术(动态运营评估)等方面，但是将大数据分析技术与有轨电车槽型轨几何参数相结合的应用还没有很多的深入研究与拓展。现有技术中采用数据挖掘技术预测钢轨内部伤损趋势，采用超声波探伤，利用超声波信号实现计算位置对齐，但利用超声波作为对齐信号对检测设备要求较高，并且对于特种轨(槽型轨)而言，检测参数较多，切区段内参数异常值较多，此种方法不适用于槽型轨轨道不平顺参数对齐。
技术实现思路
为了克服现有技术存在的缺陷与不足，本专利技术提供一种槽型轨几何参数趋势预测方法及系统，在槽型轨几何参数的高精度检测所得数据基础上，采用大数据技术分析预测时间序列槽型轨的轨道几何参数，预测槽型轨轨距、磨耗、高低、轨向等几何参数变化趋势，并且采用数据归一化处理提高了神经网络的泛本文档来自技高网...

【技术保护点】
1.一种槽型轨几何参数趋势预测方法，其特征在于，包括下述步骤：/n将检测的槽型轨几何参数值进行数据存储及批量处理；/n进行数据预处理，识别并修正异常值；/n构建径向基神经网络，进行槽型轨不平顺预测训练和磨耗预测训练，具体的训练步骤包括：/n选取槽型轨设定检测区段的左右高低、左右轨向、轨距和超高数据，将处于同一检测时段的各项参数平均值输入所述径向基神经网络进行训练；/n选取槽型轨设定检测区段的磨耗数据，将磨耗数据的最大值输入径向基神经网络进行训练；/n迭代更新径向基神经网络基函数的中心、方差、隐含层与输出层之间的权值；/n将检测到的槽型轨几何参数值输入到训练后的径向基神经网络进行预测，得到槽型轨...

【技术特征摘要】
1.一种槽型轨几何参数趋势预测方法，其特征在于，包括下述步骤：
将检测的槽型轨几何参数值进行数据存储及批量处理；
进行数据预处理，识别并修正异常值；
构建径向基神经网络，进行槽型轨不平顺预测训练和磨耗预测训练，具体的训练步骤包括：
选取槽型轨设定检测区段的左右高低、左右轨向、轨距和超高数据，将处于同一检测时段的各项参数平均值输入所述径向基神经网络进行训练；
选取槽型轨设定检测区段的磨耗数据，将磨耗数据的最大值输入径向基神经网络进行训练；
迭代更新径向基神经网络基函数的中心、方差、隐含层与输出层之间的权值；
将检测到的槽型轨几何参数值输入到训练后的径向基神经网络进行预测，得到槽型轨不平顺和磨耗值预测数据。


2.根据权利要求1所述的槽型轨几何参数趋势预测方法，其特征在于，所述将轨检车检测的槽型轨几何参数值进行数据存储，采用分布式文件系统进行存储。


3.根据权利要求1所述的槽型轨几何参数趋势预测方法，其特征在于，所述进行数据预处理，具体步骤为：
设定滤波阈值及构建零均值序列，所述滤波阈值根据槽型轨几何参数值自动调整；
判断检测的槽型轨几何参数值是否超出设定滤波阈值的范围，若超出则判定为异常数据，并采用零均值序列中对应的绝对均值替换当前异常数据；
对数据进行归一化处理。


4.根据权利要求1所述的槽型轨几何参数趋势预测方法，其特征在于，所述构建径向基神经网络，具体步骤包括：
将径向基神经网络输入层到隐含层之间的权值固定为1，径向基采用高斯函数，神经元的输出为：



其中，Xi表示基函数的中心，σ表示函数宽度参数。


5.根据权利要求1所述的槽型轨几何参数趋...

【专利技术属性】
技术研发人员：谢勇君，邓瑾毅，刘芳，白宇，冯昊，刘裕彤，凡鸿儒，贺志超，黄佳滨，严冬松，武建华，
申请(专利权)人：暨南大学，
类型：发明
国别省市：广东;44