亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        BP神經(jīng)網(wǎng)絡(luò)在軌道電路分路不良預(yù)警中的應(yīng)用*

        2013-06-08 10:06:58米根鎖王彥快馬學(xué)霞
        計算機工程與科學(xué) 2013年2期
        關(guān)鍵詞:分路軌道電路預(yù)警

        米根鎖,王彥快,馬學(xué)霞

        (蘭州交通大學(xué)自動化與電氣工程學(xué)院,甘肅 蘭州 730070)

        1 引言

        所謂預(yù)警是指測度某一警素的現(xiàn)狀和未來狀況,預(yù)報不正常狀態(tài)的危害程度和范圍,從而提出防范措施[1]。由于軌道電路的兩根鋼軌設(shè)在線路道床的基礎(chǔ)上,其工作性能受自然條件的影響較大,尤其對于煤炭、石油等貨物運輸鐵路站場而言,受其環(huán)境和工作性質(zhì)的影響,部分軌道區(qū)段處于極端惡劣的工作環(huán)境之中,產(chǎn)生分路電阻增大問題,從而造成軌道分路靈敏度降低,致使軌道電路分路不良而出現(xiàn)“車壓不死區(qū)段”的現(xiàn)象[2]。由于以上問題所引起的故障有著長期潛在的因素,不易掌握和控制,若不及時發(fā)現(xiàn)并采取措施,將影響行車效率,更為嚴重的會導(dǎo)致重大事故發(fā)生[3]。針對以上問題,本文以站內(nèi)25Hz相敏軌道電路為例,建立軌道電路分路不良預(yù)警系統(tǒng),在對軌道區(qū)段調(diào)整電壓、現(xiàn)場溫度、濕度進行實時監(jiān)測的基礎(chǔ)上,采用BP神經(jīng)網(wǎng)絡(luò)方法對其監(jiān)測數(shù)據(jù)進行智能處理、報警,以便通知電務(wù)人員及時解決軌道電路故障,保證軌道電路的正常工作。

        2 預(yù)警指標體系的建立

        2.1 基本思路

        軌道電路分路不良預(yù)警是通過判斷基本指標信息和預(yù)警知識庫中的信息是否匹配來實現(xiàn)的,基于以上思想,建立軌道電路分路不良預(yù)警知識庫,其中存有軌道電路分路不良時的各指標的典型特征值。通過實時監(jiān)測這些特征信息,并與預(yù)警知識庫進行對比,從而判斷發(fā)生軌道電路分路不良可能性的大小。傳統(tǒng)的預(yù)警方法是通過設(shè)置數(shù)條預(yù)警線實現(xiàn)的,受人為因素影響較大,而且在列車行駛的過程中,情況非常復(fù)雜,與預(yù)警知識庫中的信息完全匹配幾乎是不可能的,所以本文將采用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建BP 神經(jīng)網(wǎng)絡(luò)預(yù)警模型,利用改進BP算法中常用的L-M(Levenberg-Marquardt)算法預(yù)測故障發(fā)生的可能性。

        2.2 預(yù)警指標的選擇

        影響軌道區(qū)段端電壓大小的因素有鋼軌阻抗、道砟電阻、軌道電路的類型及長度等。對于具體的車站,軌道區(qū)段性能、軌道電路類型及長度是確定的,所以道砟電阻起著主導(dǎo)作用。道砟電阻值的大小,一方面取決于線路上部建筑的結(jié)構(gòu),即與道砟的材料、道砟層的厚度與清潔度、軌枕的材質(zhì)與數(shù)量有關(guān);另一方面,還取決于溫度和濕度的變化[4]。綜上所述,通過定量分析和定性分析相結(jié)合的方法,對影響軌道電路分路不良的指標進行篩選,從而選用4個輸入變量作為預(yù)警指標,即軌道電壓、車站所處環(huán)境的溫度、濕度以及故障累計次數(shù);1個網(wǎng)絡(luò)輸出作為警兆指標,即故障危險性程度。

        2.3 預(yù)警警限區(qū)域界定

        軌道電壓的預(yù)警警限區(qū)域界定如圖1所示。a表示道砟電阻取最大值時軌道繼電器端電壓(根據(jù)軌道電路的四端網(wǎng)絡(luò)模型計算得到,與軌道電路類型以及長度有關(guān)[5]);b 表示調(diào)整狀態(tài)下軌道區(qū)段正常工作的電壓值;c表示道砟電阻取最小值時軌道繼電器端電壓;d 表示二元二位軌道繼電器穩(wěn)定落下值(根據(jù)具體車站而定)[6]。

        報警區(qū)1表示軌道端電壓值大于調(diào)整狀態(tài)的上限值,相當(dāng)危險;報警區(qū)2表示無車占用但軌道區(qū)段反應(yīng)為有車占用,通常由于道砟電阻低,漏泄電流大而引起的“紅光帶”故障,從而影響行車效率;調(diào)整狀態(tài)正常區(qū)與分路狀態(tài)正常區(qū)表示軌道電路工作正常,但是不能避免故障發(fā)生,例如:當(dāng)軌道電壓值的變化范圍在19~22V 內(nèi)波動,雖然在調(diào)整狀態(tài)正常區(qū),但是電壓的不正常波動將表明有發(fā)生故障的趨勢,所以將此區(qū)域定義為預(yù)警區(qū)。

        Figure 1 Definition of warning limit district圖1 警限區(qū)域界定

        3 預(yù)警模型的構(gòu)建及分析

        3.1 BP神經(jīng)網(wǎng)絡(luò)預(yù)警模型

        BP神經(jīng)網(wǎng)絡(luò)是一種采用誤差反向傳播算法的多層前向神經(jīng)網(wǎng)絡(luò),其主要特點是信息正向傳播,誤差反向傳播[7]。在傳遞過程中,輸入信號經(jīng)過輸入層、隱含層的逐層處理,直至輸出層,若在輸出層得不到期望值,則反向傳播,根據(jù)預(yù)測誤差調(diào)整權(quán)值和閾值,使BP神經(jīng)網(wǎng)絡(luò)的輸出不斷逼近預(yù)測輸出值。其網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

        Figure 2 BP neural network structure圖2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

        在圖2 中,系統(tǒng)的輸入向量為:P=(p1,p2,…,pn)T,隱含層輸出向量為:Y=(y1,y2,…,ym)T,輸出層輸出向量為:O=(o1,o2,…,ol)T,輸入層至隱含層的連接權(quán)值向量為:V=(v1,v2,…,vm)T,閾值為θ;隱含層至輸出層的連接權(quán)值向量為:W=(w1,w2,…,wl)T,閾值為θ′。

        信息正向傳播過程中,隱含層中各神經(jīng)元的輸出可表示為[8]:

        輸出層中各神經(jīng)元的輸出可表示為:

        BP神經(jīng)網(wǎng)絡(luò)神經(jīng)元傳遞函數(shù)采用Sigmoid函數(shù):

        在預(yù)警前,BP 神經(jīng)網(wǎng)絡(luò)需要一個誤差反向傳播的學(xué)習(xí)過程。在此過程中,網(wǎng)絡(luò)根據(jù)輸入的訓(xùn)練樣本調(diào)整修改連接權(quán)值V、W 及閾值θ、θ′,使網(wǎng)絡(luò)的總誤差E 小于設(shè)定的允許值,從而得到穩(wěn)定的各神經(jīng)元連接權(quán)值和閾值。采用梯度法修正權(quán)值和閾值,其迭代式為:

        其中,η為網(wǎng)絡(luò)學(xué)習(xí)速率,α為動量系數(shù)。

        網(wǎng)絡(luò)誤差E 采用常見的平方誤差,如式(5)[9]所示:

        式(1)~式(5)構(gòu)成了BP神經(jīng)網(wǎng)絡(luò)模型。

        3.2 軌道電路分路不良預(yù)警BP神經(jīng)網(wǎng)絡(luò)的設(shè)計與實現(xiàn)

        (1)輸入數(shù)據(jù)的歸一化處理。

        為使各指標在預(yù)警系統(tǒng)中具有可比性,將樣本數(shù)據(jù)處理成[0,1]中無量綱的指標值。指標有正向與負向指標之分,正向指標按式(6)處理,負向指標按式(7)處理[10]。在本文中,正向指標處理后的值越大越安全,危險等級越小;相反,負向指標處理后的值越小越安全,危險等級越小。

        軌道電路分路不良預(yù)警BP 神經(jīng)網(wǎng)絡(luò)模型采用1個輸入層、4個輸入層節(jié)點、1個輸出層、1個輸出層節(jié)點。采用多隱含層可提高精度,降低網(wǎng)絡(luò)誤差,但也會使網(wǎng)絡(luò)復(fù)雜化,增加迭代非收斂的概率,所以在本文中采用單隱含層的網(wǎng)絡(luò)結(jié)構(gòu),選擇典型的三層BP 神經(jīng)網(wǎng)絡(luò)。隱含層節(jié)點數(shù)通常是根據(jù)經(jīng)驗及輸入層節(jié)點數(shù)而確定,常見的經(jīng)驗公式是[11]:

        其中,h為隱含層節(jié)點數(shù),n 為輸入層節(jié)點數(shù),m 為輸出層節(jié)點數(shù)。根據(jù)式(8)計算得到隱含層節(jié)點數(shù)為3,所以該網(wǎng)絡(luò)的拓撲結(jié)構(gòu)為4-3-1。

        (3)網(wǎng)絡(luò)訓(xùn)練。

        本文以昆明局拉鲊站的相關(guān)情況為例,通過對現(xiàn)有典型軌道電路分路不良時軌道電壓、現(xiàn)場溫濕度的監(jiān)測,結(jié)合故障累計次數(shù),建立訓(xùn)練樣本。由于預(yù)警模型的仿真精度與樣本數(shù)有直接關(guān)系,本文建立80個學(xué)習(xí)樣本用于軌道電路分路不良預(yù)警網(wǎng)絡(luò)訓(xùn)練。

        隨機抽取80個樣本中的72個作為訓(xùn)練樣本,其余8個作為檢驗樣本。利用MATLAB 7.0訓(xùn)練平臺對網(wǎng)絡(luò)進行訓(xùn)練,并預(yù)先設(shè)置一些訓(xùn)練參數(shù)。BP神經(jīng)網(wǎng)絡(luò)神經(jīng)元傳遞函數(shù)采用tansig()與purelin()函數(shù),訓(xùn)練函數(shù)采用L-M 算法所對應(yīng)的trainlm()函數(shù)。某次訓(xùn)練的誤差曲線圖如圖3所示。

        (2)網(wǎng)絡(luò)拓撲結(jié)構(gòu)的確定。

        Figure 3 Training sample error'curve圖3 訓(xùn)練樣本誤差曲線圖

        如圖3所示,當(dāng)網(wǎng)絡(luò)學(xué)習(xí)速率η=0.05、動量系數(shù)α=0.9、訓(xùn)練步長為50、最大訓(xùn)練次數(shù)為1 000、目標誤差設(shè)置為1e-5時,網(wǎng)絡(luò)訓(xùn)練7次后就已取得較好的收斂效果,訓(xùn)練樣本誤差隨著訓(xùn)練過程的延續(xù)而逐漸減小,并趨于目標誤差。

        (4)預(yù)警知識庫的建立及完善。

        軌道電路分路不良預(yù)警知識庫包括網(wǎng)絡(luò)學(xué)習(xí)后網(wǎng)絡(luò)結(jié)構(gòu)的輸入層節(jié)點數(shù)、輸出層節(jié)點數(shù)、隱含層節(jié)點數(shù)以及網(wǎng)絡(luò)連接權(quán)值矩陣的相關(guān)數(shù)據(jù)。經(jīng)過訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò),通過輸入分路不良各指標值的歸一化值后,得到網(wǎng)絡(luò)輸出值,并將其作為新的學(xué)習(xí)樣本輸入神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中,使預(yù)警知識庫更加完善。

        4 預(yù)警結(jié)果分析

        將預(yù)警指標的監(jiān)測值輸入到訓(xùn)練后的BP 神經(jīng)網(wǎng)絡(luò)中,根據(jù)網(wǎng)絡(luò)輸出值預(yù)測故障危險性程度。網(wǎng)絡(luò)輸出變量有三種狀態(tài),相應(yīng)地根據(jù)故障危險程度劃分為三個預(yù)警等級和預(yù)警信號,其對應(yīng)關(guān)系如表1所示。

        Table 1 Pre-warning degrees and numerical evaluation’s relation table表1 預(yù)警等級與數(shù)值評估關(guān)系表

        為驗證BP 神經(jīng)網(wǎng)絡(luò)預(yù)警方法的性能,現(xiàn)以XJG 為例,監(jiān)測并記錄XJG 的軌道電壓與該站所處環(huán)境的溫濕度。分別將8組數(shù)據(jù)歸一化處理后輸入到已訓(xùn)練好的網(wǎng)絡(luò)中進行測試,得到相應(yīng)的網(wǎng)絡(luò)輸出值,其數(shù)據(jù)與預(yù)警結(jié)果如表2所示。

        根據(jù)表2中的網(wǎng)絡(luò)輸出值,結(jié)合表1的相關(guān)數(shù)據(jù)信息,可以判斷出第1、2、3、6組數(shù)據(jù)有一般故障危險,系統(tǒng)發(fā)出“藍色”預(yù)警信號;第7組數(shù)據(jù)有重大故障危險,系統(tǒng)發(fā)出“紅色”預(yù)警信號;第4、5、8組數(shù)據(jù)無故障危險,系統(tǒng)發(fā)出“綠色”預(yù)警信號。以上預(yù)警結(jié)果表明,當(dāng)有發(fā)生故障趨勢時,系統(tǒng)能夠根據(jù)網(wǎng)絡(luò)輸出值判斷出預(yù)警等級,并發(fā)出相應(yīng)預(yù)警信號,同現(xiàn)場的實際情況一致,同時證明了將BP神經(jīng)網(wǎng)絡(luò)用于軌道電路分路不良預(yù)警中具有較高的準確性和應(yīng)用價值。現(xiàn)場采用傳統(tǒng)設(shè)置數(shù)條軌道電壓警線的方法判斷故障發(fā)生與否而實現(xiàn)報警,即只有當(dāng)監(jiān)測到的軌道電壓值在圖1所示的報警區(qū)2中,系統(tǒng)才發(fā)出報警信號,此時必須派人到現(xiàn)場檢查并確認列車位置及相關(guān)情況,所以受人為因素影響較多,效率極低。而BP 神經(jīng)網(wǎng)絡(luò)預(yù)警方法能夠綜合影響軌道電路分路不良的多個主要因素,更加準確地預(yù)警故障發(fā)生的趨勢,根據(jù)不同的預(yù)警信號,實施相應(yīng)措施,從而實現(xiàn)真正意義上的狀態(tài)修復(fù)。

        5 結(jié)束語

        本文以站內(nèi)25Hz相敏軌道電路為例,在建立預(yù)警評價指標體系的基礎(chǔ)上,構(gòu)建了軌道電路分路不良BP神經(jīng)網(wǎng)絡(luò)預(yù)警模型。預(yù)警結(jié)果表明:

        (1)由于影響軌道電路分路不良的因素很多,故障的發(fā)生具有一定的模糊性和隨機性,而BP神經(jīng)網(wǎng)絡(luò)具有良好的模式識別能力和較強的非線性處理能力,能從大量復(fù)雜數(shù)據(jù)中通過學(xué)習(xí)發(fā)現(xiàn)規(guī)律,所以基于BP神經(jīng)網(wǎng)絡(luò)的軌道電路分路不良預(yù)警方法是可行的。

        (2)BP神經(jīng)網(wǎng)絡(luò)預(yù)警方法有效地減少了傳統(tǒng)預(yù)警方法的人為因素,具有自學(xué)能力強、可信度高、速度快等特點,能較好地模擬專家評價方法。

        (3)BP神經(jīng)網(wǎng)絡(luò)在軌道電路分路不良預(yù)警中具有較高的準確性和應(yīng)用價值,對解決軌道電路分路不良問題提供了有效的技術(shù)支持,為軌道電路日常維護和故障的及時發(fā)現(xiàn)處理創(chuàng)造了條件。

        Table 2 Pre-warning results表2 預(yù)警結(jié)果

        [1]Bian Xi-chen,Chen Li-hua,Wang Peng.Application of BP neural network on health warning of forest ecosystem[J].Bulletin of Soil and Water Conservation,2011,31(4):108-111.(in Chinese)

        [2]Liu Yan.Probe into the problems in and solutions for the track circuit under the conditions of small ballast resistance and large shunt resistance[J].Sci-tech Information Development &Economy,2010,2.(25):200-202.(in Chinese)

        [3]Ma Yi-bu.The analysis of the common faults in poor shunting of track circuit[J].Automation &Instrumentation,2012,2.(1):110-111.(in Chinese)

        [4]Ren Guo-qiao.The research of the solutions in poor-shunting of track circuit[J].RSCE,2008,5(5):41-44.(in Chinese)

        [5]An Hai-jun,Li Jian-qing,Wu Bao-ying.The 25Hz phase detecting track circuit[M].Beijing:China Railway Publishing House,2006.(in Chinese)

        [6]Li Wen-hai.The principle,maintenance and trouble-shooting of the 25Hz phase detecting track circuit[M].Beijing:China Railway Publishing House,2010.(in Chinese)

        [7]Li Song,Xie Yong-le,Wang Wen-xu.Application of Ada-Boost_BP neural network in prediction of railway freight volumes[J].Computer Engineering and Applications,2012,48(6):233-234.(in Chinese)

        [8]Xin Jing,Xia Deng-you,Kang Qing-chun.Application of BP neural network in the fore-warning of vehicle fires[J].China Safety Science Journal,2006,16(11):29-33.(in Chinese)

        [9]Nefti S,Oussalah M.A neural network approach for railway safety prediction[C]∥Proc of International Conference on Systems,Man and Cybemetics,2004,65(7):3915-3920.

        [10]Feng Ji-miao,Hu Li-fang.Accident database early warning based on BP neural network[J].Computer Systems &Applications,2011,2.(9):127-130.(in Chinese)

        [11]Liu Zhi-jie,Ji Ling,Ye Yu-ling.Study on prediction of railway freight volumes based on RBF neural network[J].Journal of the China Railway Society,2006,2.(5):1-5.(in Chinese)

        附中文參考文獻:

        [1]卞西陳,陳麗華,王鵬.BP 神經(jīng)網(wǎng)絡(luò)在森林健康預(yù)警中的應(yīng)用[J].水土保持通報,2011,31(4):108-111.

        [2]劉燕.道碴電阻小和分路電阻大情況下軌道電路存在問題的解決方法探討[J].科技情報開發(fā)與經(jīng)濟,2010,2.(25):200-202.

        [3]馬義不.軌道電路分路不良常見問題分析[J].自動化與儀器儀表,2012,2.(1):110-111.

        [4]任國橋.基于軌道電路解決站內(nèi)分路不良方案的研究[J].鐵路通信信號工程技術(shù),2008,5(5):41-44.

        [5]安海軍,李建清,吳保英.25Hz相敏軌道電路[M].北京:中國鐵道出版社,2006.

        [6]李文海.25Hz相敏軌道電路原理、維護和故障處理[M].北京:中國鐵道出版社,2010.

        [7]李松,解永樂,王文旭.AdaBoost_BP神經(jīng)網(wǎng)絡(luò)在鐵路貨運量預(yù)測中的應(yīng)用[J].計算機工程與應(yīng)用,2012,48(6):233-234.

        [8]辛晶,夏登友,康青春.BP 神經(jīng)網(wǎng)絡(luò)技術(shù)在交通工具火災(zāi)預(yù)警中的應(yīng)用[J].中國安全科學(xué)學(xué)報,2006,16(11):29-33.

        [10]馮繼妙,胡立芳.基于BP神經(jīng)網(wǎng)絡(luò)的車禍庫預(yù)警技術(shù)[J].計算機系統(tǒng)應(yīng)用,2011,2.(9):127-130.

        [11]劉志杰,季令,葉玉玲.基于徑向基神經(jīng)網(wǎng)絡(luò)的鐵路貨運量預(yù)測[J].鐵道學(xué)報,2006,2.(5):1-5.

        猜你喜歡
        分路軌道電路預(yù)警
        軌道電路分路不良問題應(yīng)對策略
        基于HHT及LCS的軌道電路傳輸變化識別探討
        法國發(fā)布高溫預(yù)警 嚴陣以待備戰(zhàn)“史上最熱周”
        JXG-50S型相敏軌道電路接收器自動測試臺
        接近區(qū)段失去分路故障分析與解決
        ZPW-2000客專軌道電路掉碼故障分析
        園林有害生物預(yù)警與可持續(xù)控制
        淺析分路不良區(qū)段解鎖的特殊操作
        25Hz相敏軌道電路的計算和仿真
        電氣化鐵道(2016年2期)2016-05-17 03:42:36
        機載預(yù)警雷達對IFF 的干擾分析
        亚洲国产综合精品一区| 加勒比亚洲视频在线播放| 欧美人妻精品一区二区三区 | 无码一区二区三区人| 国产精品无码日韩欧| 寂寞少妇做spa按摩无码| 亚洲一区二区三区少妇| 中文字幕成人精品久久不卡| 色丁香色婷婷| 激情第一区仑乱| 精品露脸国产偷人在视频| 男人的精品天堂一区二区在线观看| 国产丝袜免费精品一区二区 | 色欲av永久无码精品无码蜜桃| 亚洲97成人精品久久久| 东京热无码人妻中文字幕| 99精品久久这里只有精品| 在线观看免费人成视频| 精品国产这么小也不放过| 放荡成熟人妻中文字幕| 亚洲高清在线视频网站| 综合91在线精品| 少妇spa推油被扣高潮| 国产精品久久久久久久妇| 欧美肥妇毛多水多bbxx水蜜桃| a黄片在线视频免费播放| 日本高清无卡一区二区三区| 欧美久久中文字幕| 国产喷水在线观看| 亚洲欧美日韩中文在线制服| 午夜射精日本三级| 亚洲午夜精品一区二区| 国产成人大片在线播放| 亚洲少妇一区二区三区老| 性感人妻一区二区三区| 一区二区三区国产在线网站视频| 国产av日韩a∨亚洲av电影| 天干天干啦夜天干天2017| 色噜噜av亚洲色一区二区| 免费人成在线观看网站| 国产丝袜美腿精品91在线看|