-
公开(公告)号：CN116738323A
公开(公告)日：2023-09-12
申请号：CN202310987783.6
申请日：2023-08-08
Applicant: 北京全路通信信号研究设计院集团有限公司 , 中国铁路通信信号股份有限公司
IPC: G06F18/241 , G06F18/213 , B61L27/40 , B61L27/50
Abstract: 本发明公开了一种铁路信号设备的故障诊断方法、装置、设备及介质，该方法包括：获取待诊断铁路信号设备的故障文本数据；对故障文本数据进行特征提取，确定故障文本数据的特征词权重序列及特征词向量矩阵；根据特征词权重序列、特征词向量矩阵及预先训练的三级故障识别模型，确定待诊断铁路信号设备的分类诊断结果。通过两种特征提取方式，确定出两个特征词序列化矩阵，结合建立的可针对不同故障类型问题设定相应权重参数的三级故障识别模型，对故障问题进行逐级划分，确定分类诊断结果。保留更为全面的故障文本数据的特征，实现了基于故障文本数据对故障问题的自动划分，提高了对铁路信号设备的故障分类识别的精度，提高了铁路信号设备运维效率。
-
公开(公告)号：CN116738323B
公开(公告)日：2023-10-27
申请号：CN202310987783.6
申请日：2023-08-08
Applicant: 北京全路通信信号研究设计院集团有限公司 , 中国铁路通信信号股份有限公司
IPC: G06F18/241 , G06F18/213 , B61L27/40 , B61L27/50
Abstract: 本发明公开了一种铁路信号设备的故障诊断方法、装置、设备及介质，该方法包括：获取待诊断铁路信号设备的故障文本数据；对故障文本数据进行特征提取，确定故障文本数据的特征词权重序列及特征词向量矩阵；根据特征词权重序列、特征词向量矩阵及预先训练的三级故障识别模型，确定待诊断铁路信号设备的分类诊断结果。通过两种特征提取方式，确定出两个特征词序列化矩阵，结合建立的可针对不同故障类型问题设定相应权重参数的三级故障识别模型，对故障问题进行逐级划分，确定分类诊断结果。保留更为全面的故障文本数据的特征，实现了基于故障文本数据对故障问题的自动划分，提高了对铁路信号设备的故障分类识别的精度，提高了铁路信号设备运维效率。
-
公开(公告)号：CN114429316A
公开(公告)日：2022-05-03
申请号：CN202210353407.7
申请日：2022-04-06
Applicant: 北京全路通信信号研究设计院集团有限公司
Abstract: 本发明涉及一种集中监测系统中的设备健康状态预测方法及系统，所述方法包括，收集特征数据并进行预处理；筛选出所述特征数据中的影响设备性能的特征参数；通过参数融合将多种特征参数融合为设备健康指数；根据所述设备健康指数构建预测模型；根据所述预测模型进行设备健康状态的预测；所述系统包括，预处理模块，用于收集特征数据并进行预处理；筛选模块，用于筛选出所述特征数据中的影响设备性能的特征参数；融合模块，用于通过参数融合将多种特征参数融合为设备健康指数；构建模块，用于根据所述设备健康指数构建预测模型；预测模块。本发明具有预测的设备运行趋势信息更加完整有效的效果。
-
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
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。
-
-
-
Search Results
4
records
(took 0.047 seconds)
