一种基于小波神经网络的EPLA电空变换阀退化预测方法技术

本发明专利技术公开了一种基于小波神经网络的EPLA电空变换阀退化预测方法，首先对线圈电压数据进行采集并处理，利用前4个时刻的电压值预测当前时刻的电压；然后初始化神经网络及小波函数的参数；接着采用粒子群优化算法优化网络初训练后的网络初始权值；最后，采用优化后的权值进行网络再训练，并采用训练好的网络预测测试集。本发明专利技术实现EP阀的性能预测，从而对EP进行故障预警，保障行车安全。

【技术实现步骤摘要】
一种基于小波神经网络的EPLA电空变换阀退化预测方法
本专利技术涉及基于数据驱动的回归建模
，特别是一种基于小波神经网络的EPLA电空变换阀退化预测方法。
技术介绍
制动技术作为列车的关键技术之一，其重要性早已不仅仅是安全问题。制动已经成为限制列车速度和牵引重量进一步提升的重要因素。作为列车直通制动控制单元的核心部件之一，EPLA电空变换阀(以下简称EP阀)一旦在运行中发生故障，将会影响整个制动系统，甚至引发严重的安全事故。现有的故障诊断模式较为简单，不能对EP阀进行提前报警。因此需要深入分析EP阀的故障机理。电磁线圈作为EP阀的核心驱动部件，工作于电-磁-热耦合的复杂多物理场中，其失效模式多样(过流、线圈烧毁、绝缘老化、线圈内部断线、温升过大等)，故障机理尚未明确。通过大量文献调研并结合实际工程经验，确定温度是电磁线圈退化的主要应力。通过温度190℃、恒流800mA线圈加速退化试验，最终得到可以表征电磁线圈退化的物理量为线圈电阻(变小)、AC压力(下降)、线圈电流(增大)、线圈电压(变小)。因此选择建立线圈电压模型，来预测未来时本文档来自技高网...

【技术保护点】
1.一种基于小波神经网络的EPLA电空变换阀退化预测方法，其特征在于步骤包括：/n1)对线圈电压数据进行采集并处理，利用前4个时刻的电压值预测当前时刻的电压；/n2)初始化神经网络及小波函数的参数；/n3)采用粒子群优化算法优化网络初训练后的网络初始权值；/n4)采用优化后的权值进行网络再训练，并采用训练好的网络预测测试集。/n

【技术特征摘要】
1.一种基于小波神经网络的EPLA电空变换阀退化预测方法，其特征在于步骤包括：
1)对线圈电压数据进行采集并处理，利用前4个时刻的电压值预测当前时刻的电压；
2)初始化神经网络及小波函数的参数；
3)采用粒子群优化算法优化网络初训练后的网络初始权值；
4)采用优化后的权值进行网络再训练，并采用训练好的网络预测测试集。


2.根据权利要求1所述的一种基于小波神经网络的EPLA电空变换阀退化预测方法，其特征在于步骤1)包括数据预处理：更改电磁线圈电压数据格式，修改后的电压数据集大小为20562*6，每一行表示一个时间点t下的电压数据，第1到第6列的数据分别为时间、t-4时刻、t-3时刻、t-2时刻、t-1时刻和t时刻的电磁线圈电压，其中，第1到5列为神经网络的输入值；第6列为神经网络的输出值，同时，采用mapminmax函数对数据进行归一化。


3.根据权利要求2所述的一种基于小波神经网络的EPLA电空变换阀退化预测方法，其特征在于步骤2)包括网络初始化：设置隐含层神经元数目为3，网络学习速率η为0.01，迭代次数为1000，随机初始化小波函数伸缩因子aj和平移因子bj以及网络权重ωjk和ωij，其中j表示第j个神经元节点，k为4表示输入样本维度，i为1表示输出节点个数。


4...

【专利技术属性】
技术研发人员：刘元清，薛明晨，耿晓峰，祁成，
申请(专利权)人：南京中车浦镇海泰制动设备有限公司，
类型：发明
国别省市：江苏;32