公开(公告)号：CN116451121A

公开(公告)日：2023-07-18

申请号：CN202310441700.3

申请日：2023-04-23

Applicant: 北京全路通信信号研究设计院集团有限公司

Inventor： 林钲围 ,  何丹 ,  黄超

IPC: G06F18/24 ,  G06N3/043 ,  G06N3/08

Abstract: 本发明涉及一种道岔故障诊断方法、系统、设备和介质，所述道岔故障诊断方法包括以下步骤：构建用于故障诊断的模糊神经网络结构；采集样本数据并进行分析处理，得到训练样本数据；将所述训练样本数据输入所述模糊神经网络结构中进行训练，得到故障诊断模型；获取待诊断的道岔相关数据，将所述道岔相关数据进行处理后输入所述故障诊断模型，得到诊断结果数据。本发明通过构建用于故障诊断的模糊神经网络结构，模糊神经网络的权值和阈值在训练过程中被不断优化，使得网络的故障识别误差满足实际应用的要求，可以实时自动监测大量地转辙机动作电流曲线，且模型具有较好的泛用性。

公开(公告)号：CN116415723A

公开(公告)日：2023-07-11

申请号：CN202310314371.6

申请日：2023-03-28

Applicant: 北京全路通信信号研究设计院集团有限公司

Inventor： 陈嘉翊 ,  杨晓东 ,  林钲围 ,  何丹 ,  黄超

IPC: G06Q10/04 ,  G01P5/00 ,  G06N3/0442 ,  G06N3/08 ,  G06Q50/30 ,  G06F18/23213

Abstract: 本发明涉及铁路防灾技术领域，特别涉及一种面向铁路防灾系统的风速预测方法及装置。本发明直接通过LSTM或ARIMA预测网络直接进行预测时，对风速波动不敏感，且误差较大。未经算法优化的数据通过LSTM‑ARIMA预测网络只能大致符合风速序列基频波动，在面对短时风速波动时仍然存在较大的误差。本发明组合模型能够充分挖掘了风速序列的特性，降低原始风速的复杂程度，结合LSTM‑ARIMA预测网络后，有着更强的时序信号处理能力，能够更充分地挖掘时序信息，有着更高的时序性数据的预测精度，能有效提高短期风速预测的准确度，能取得比其他典型短期风速预测模型更佳的预测效果，在风速短期预测领域具有更好的优势。