[发明专利]一种基于卷积神经网络算法的转辙机故障检测方法及系统在审
| 申请号： | 201810110082.3 | 申请日： | 2018-02-05 |
| 公开（公告）号： | CN108445861A | 公开（公告）日： | 2018-08-24 |
| 发明（设计）人： | 张艳青;孙迪钢 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G05B23/02 | 分类号： | G05B23/02;G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李斌 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络算法的转辙机故障检测方法及系统，是对之前基于人工特征工程的转辙机故障检测系统的改进。卷积神经网络是一种深度学习模型，将转辙机功率曲线图输入到卷积神经网络中，利用卷积神经网络的特征学习能力，可以自动提取特征，实现高精度的故障类型检测。 | ||
| 搜索关键词： | 卷积神经网络 转辙机 故障检测 算法 故障检测系统 功率曲线图 故障类型 特征学习 自动提取 检测 改进 学习 | ||
【主权项】：
1.一种基于卷积神经网络算法的转辙机故障检测方法，其特征在于，包括：第一步、收集功率数据，并将数据序列与故障类型建立关联，构成带标签的数据集用于模型训练和验证；第二步、将数据集分为训练数据集和验证数据集；对卷积神经网络进行训练和评估，选择检测性能最好的模型并保存；第三步、采集轨道上正式运行的转辙机功率数据，生成功率曲线图，输入所选择的模型中，模型输出对应的故障类型；第四步、设备维护人员对设备进行维护后，根据设备真正的故障类型，对模型输出的结果进行反馈。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810110082.3/，转载请声明来源钻瓜专利网。
