基于深度置信网络的轨道电路剩余寿命预测

发布时间：2023-04-29 05:32

　　通过对影响轨道电路运行状态的设备进行分析,构建深度置信网络对微机监测系统记录的轨道电路运行数据及实测数据进行特征提取。采用权重分配的方式结合多种影响设备运行状态的因素计算反映轨道电路运行状态的健康评估指标,通过健康评估指标对轨道电路的运行状态进行划分,根据全生命周期的历史运行数据构建其各个状态的隐半马尔可夫模型。结合深度置信网络对轨道电路的退化状态和剩余寿命进行仿真试验。研究结果表明:采用融合深度置信网络进行特征提取后训练的隐半马尔可夫模型进行剩余寿命预测准确度和退化状态识别率相比原始隐半马尔可夫模型有较大的提高。

【文章页数】：10 页

【文章目录】：
1 基于DBN的健康指标构建
    1.1 DBN构成
    1.2 受限玻尔兹曼机
    1.3 深度置信网络DBN
2 健康指标构建
3 轨道电路剩余寿命预测模型
    3.1 HSMM模型
    3.2 剩余寿命预测
4 基于DBN-HSMM的剩余寿命预测
5 仿真实验
    5.1 退化状态划分
    5.2 权重指标及退化状态识别
    5.3 状态识别概率对比
    5.4 剩余寿命预测结果
6 结论



本文编号：3805268