[发明专利]一种基于极限学习机的重载机车粘着状态识别方法

摘要

本发明涉及一种基于极限学习机的重载机车粘着状态识别方法，可用于重载机车的粘着控制系统中，其通过在实测数据中提取粘着状态特征，并从中选取特征向量进行粘着状态识别模型的训练，本发明提供的方法要求样本具有一定代表性，设置隐含层神经元个数后可直接实现多类粘着状态识别；识别模型无需多次迭代，便可获得全局最优解，因此识别速度极快，准确率高。

主权项

1.一种基于极限学习机的重载机车粘着状态识别方法，其特征在于：包括以下步骤：S1.将重载机车粘着状态细化为正常、故障征兆、微小故障、大故障四种类型；S2.选取蕴含重载机车四种粘着状态的在线或离线监测数据作为数据源，然后对数据源进行特征提取，提取得到的特征变量作为样本数据集，样本数据集分为训练集和测试集两个子集；S3.构建基于极限学习机的粘着状态识别模型，确定粘着状态识别模型的输入节点数、隐含层节点数、输出节点数，并选定粘着状态识别模型的激活函数；S4.将训练集内的特征变量输入至粘着状态识别模型内对粘着状态识别模型进行训练；S5.将测试集内的特征变量输入至训练好的粘着状态识别模型内进行测试，粘着状态识别模型输出识别结果，识别结果为四种粘着状态之一；将输出的识别结果与重载机车实际粘着状态进行比较，计算识别的准确率；S6.对蕴含重载机车粘着状态的在线或离线监测数据进行特征提取，然后将提取的特征变量输入至粘着状态识别模型内，粘着状态识别模型内输出识别结果。