一种基于脉冲神经膜系统的轨道交通设备故障预测方法技术方案

本发明专利技术属于轨道交通设备故障预测技术领域，尤其涉及一种基于脉冲神经膜系统的轨道交通设备故障预测方法，本发明专利技术包括按照一定的二进制编码方式对轨道交通系统设备的故障数据信息进行编码，对编码后的二进制序列以脉冲的形式，输入到自动生成的脉冲神经膜系统中，并行计算得到脉冲神经膜系统的输出神经元的输出脉冲序列，根据时间次序解码得到不同类型系统设备的故障预测信息，从而实现对设备故障进行预测。行预测。行预测。

【技术实现步骤摘要】
一种基于脉冲神经膜系统的轨道交通设备故障预测方法


[0001]本专利技术属于轨道交通设备故障预测
，尤其涉及一种基于脉冲神经膜系统的轨道交通设备故障预测方法。

技术介绍

[0002]随着现代城市轨道交通和科学技术的高速发展，城市轨道交通开始逐步进入以超长线路和网络化运营为特征的大线网时代，以适应经济社会发展对交通需求的更高要求。大线网时代的轨道交通各个系统的设备种类和数量呈爆发式增长，发生故障的设备数量和频率也随之增加，为设备的检修和线路的运营带来了巨大的压力。
[0003]由于轨道交通不同系统以及不同种类的设备故障原因各不相同，为设备故障诊断和维修增加了障碍，导致时间和经济成本极大的增加。目前设备故障诊断工作，主要是由不同设备系统的专业维修人员根据现场设备的故障发生现象或设备监控系统反馈的设备故障信息，对设备发生故障的原因进行诊断，并采取相应的故障回复措施，从而使设备系统恢复正常运行。然而，随着轨道交通逐渐实施大线网运营，各类专业设备发生故障的数量越来越多，故障原因越来越复杂，这为故障诊断和修复带来巨大的困难。
[0004]因此，在大线网运营情况下，开展设备故障分析预测，准确预测各类设备的故障元件，进行预防性检修，是本领域技术人员需要研究解决的问题。

技术实现思路

[0005]为了解决上述现有技术中存在的技术问题，本专利技术提供了一种基于脉冲神经膜系统的轨道交通设备故障预测方法，至少实现在不同轨道交通系统中设备的故障种类和数量复杂的情况下，准确的预测设备的故障发生概率。
>[0006]为解决上述技术问题，本专利技术采用的技术方案如下：
[0007]一种基于脉冲神经膜系统的轨道交通设备故障预测方法，包括以下步骤：
[0008]步骤1：基于轨道交通的生产运营管理系统获取各系统的设备故障数据信息；
[0009]步骤2：基于获取的设备故障数据识别并分类各系统不同设备的故障元件、故障现象和故障原因；
[0010]步骤3：根据不同设备的故障元件、故障现象以及故障原因之间的关系，建立对应每个故障问题的数据编码；
[0011]步骤4：根据用于表示各设备的故障问题的数据编码所形成的数据集合生成分别对应各设备的脉冲神经膜系统；
[0012]步骤5：将用于表示故障问题的数据编码所形成的集合转换为脉冲序列，并将所述脉冲序列输入到脉冲神经膜系统中，根据脉冲神经膜系统输出的脉冲序列的时间先后次序，预测设备故障发生的概率，并基于输出的时间先后顺序，对设备故障发生概率进行由大到小的排序。
[0013]本专利技术对轨道交通系统中的设备故障数据信息进行编码，将编码后的数据以脉冲
的形式输入到脉冲神经膜系统中，通过脉冲神经膜的输出神经元输出脉冲序列，根据时间次序解码得到不同类型的系统设备的故障预测信息，从而实现了对设备故障进行预测。
[0014]优选的，所述数据编码采用0
‑
1的二进制数据编码，并采用四十位的二进制编码进行表示。
[0015]优选的，每个所述四十位的二进制编码用于表示：故障设备所属专业系统、故障设备名称、故障设备发生故障的元件名称、故障设备发生故障的现象以及故障设备发生故障的原因。
[0016]优选的，每个所述脉冲神经膜系统均包括膜结构、多个相互连接的神经元以及规则集。
[0017]优选的，所述脉冲神经膜系统的形式定义为：
[0018]Π＝{Π1,Π2,...,Π
n
}；
[0019]Π
i
＝(O,σ1,σ2,....σ
m
,syn,in,out)，i＝1,2,K...,n；
[0020]其中：Π
i
是一个自动生成的脉冲神经膜系统个体，每个脉冲神经膜系统采用相同的字母O和神经元标号，其中σ1,σ2,....σ
m
代表组成脉冲神经膜系统的除输入和输出神经元外的各种类型的神经元；in代表输入神经元标号，out代表输出神经元标号，syn表示神经元的连接方式。
[0021]优选的，所述膜结构包括输入神经元、辅助计算神经元、计算神经元以及输出神经元。
[0022]优选的，所述步骤5中根据输出神经元输出脉冲的时间次序，提取最先输出的二进制脉冲序列解码后表示的轨道交通系统设备，赋予故障发生权重值100，表示该系统设备发生故障的概率较高；之后输出的二进制脉冲序列解码后的系统设备，故障发生权重值依次降低，设备故障发生的概率也依次降低，依照解码后不同系统设备的故障发生权重值，对设备进行故障信息预测。
[0023]优选的，所述四十位的二进制编码的具体编码规则为：
[0024]二进制编码中的1
‑
4位表示故障设备所属专业系统；
[0025]5‑
12位表示故障设备名称；
[0026]13
‑
24位表示故障设备中发生故障的元件名称；
[0027]25
‑
32位表示故障设备发生故障的现象；
[0028]33
‑
40位表示故障设备发生故障的原因。
[0029]本专利技术的有益效果包括：
[0030]1.本专利技术对轨道交通系统中的设备故障数据信息进行编码，将编码后的数据以脉冲的形式输入到脉冲神经膜系统中，通过脉冲神经膜的输出神经元输出脉冲序列，根据时间次序解码得到不同类型的系统设备的故障预测信息，从而实现了对设备故障进行预测。
[0031]2.本专利技术采用能够并行式计算的脉冲神经膜系统，使得输入的脉冲序列能够在神经元中进行并行计算，从而极大的提高了计算效率。
[0032]3.脉冲神经膜系统的神经元计算规则的执行是根据神经元中脉冲数量自然激发选择的，不需要人为干预计算规则的选取执行，能够保证计算结果的客观性和准确性，从而更好的反映设备故障发生的概率。
[0033]4.本专利技术不同于以优化算法为主的设备故障预测方法，无需外加优化算法进行辅
助计算，就能够得到设备故障发生的概率。
附图说明
[0034]图1为本专利技术的整体流程示意图。
[0035]图2为本专利技术的脉冲神经膜系统结构示意图。
[0036]图3为本专利技术的脉冲神经膜系统的规则集。
具体实施方式
[0037]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0038]下面结合附图1
‑
3对本专利技术作进一步的详本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脉冲神经膜系统的轨道交通设备故障预测方法，其特征在于，包括以下步骤：步骤1：基于轨道交通的生产运营管理系统获取各系统的设备故障数据信息；步骤2：基于获取的设备故障数据识别并分类各系统不同设备的故障元件、故障现象和故障原因；步骤3：根据不同设备的故障元件、故障现象以及故障原因之间的关系，建立对应每个故障问题的数据编码；步骤4：根据用于表示各设备的故障问题的数据编码所形成的数据集合生成分别对应各设备的脉冲神经膜系统；步骤5：将用于表示故障问题的数据编码所形成的集合转换为脉冲序列，并将所述脉冲序列输入到脉冲神经膜系统中，根据脉冲神经膜系统输出的脉冲序列的时间先后次序，预测设备故障发生的概率，并基于输出的时间先后顺序，对设备故障发生概率进行由大到小的排序。2.根据权利要求1所述的一种基于脉冲膜系统的轨道交通设备故障预测方法，其特征在于，所述数据编码采用0
‑
1的二进制数据编码，并采用四十位的二进制编码进行表示。3.根据权利要求2所述的一种基于脉冲膜系统的轨道交通设备故障预测方法，其特征在于，每个所述四十位的二进制编码用于表示：故障设备所属专业系统、故障设备名称、故障设备发生故障的元件名称、故障设备发生故障的现象以及故障设备发生故障的原因。4.根据权利要求1所述的一种基于脉冲膜系统的轨道交通设备故障预测方法，其特征在于，每个所述脉冲神经膜系统均包括膜结构、多个相互连接的神经元以及规则集。5.根据权利要求2所述的一种基于脉冲膜系统的轨道交通设备故障预测方法，其特征在于，所述脉冲神经膜系统的形式定义为：∏＝{Π1,Π2,...,Π
n
}；Π
i
＝(O,σ1,σ2...

【专利技术属性】
技术研发人员：李国梁，肖东洋，罗吉，张磊，夏源，
申请(专利权)人：四川城市职业学院，
类型：发明
国别省市：