一种基于深度学习与BP集成的地铁车轮健康状态预测方法

发明专利有效专利

申请号：
CN201910461363.8
IPC分类号：G01M17/10;G06N3/04;G06N3/08
申请日期：
2019-05-30
申请人：
河海大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度学习与BP集成的地铁车轮健康状态预测方法
申请号	CN201910461363.8	申请日期	2019-05-30
法律状态	授权	申报国家	中国
公开/公告日	2019-09-10	公开/公告号	CN110220725A
优先权	暂无	优先权号	暂无
主分类号	G01M17/10 ? IPC结构图谱： G 物理 G0 仪器 G01 测量；测试 G01M 机器或结构部件的静或动平衡的测试；其他类目中不包括的结构部件或设备的测试 G01M17/00 车辆的测试（G01M 15/00优先；流体密封性测试入G01M 3/00；车身或底盘弹性的测试，例如，扭矩测试入G01M 5/00；车辆前灯装置的对光测试入G01M 11/06） G01M17/08 铁路车辆的〔6〕 G01M17/10 悬挂机构的；车轴或车轮的〔6〕	IPC分类号	G;0;1;M;1;7;/;1;0;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	河海大学	申请人地址	江苏省南京市江宁开发区佛城西路8号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	河海大学	当前权利人	河海大学
发明人	刘凡;陆小敏;王健;张伟娟
代理机构	南京经纬专利商标代理有限公司	代理人	姜慧勤

摘要

本发明公开了一种基于深度学习与BP集成的地铁车轮健康状态预测方法，该方法首先利用深度学习强大的表征能力和BP神经网络较优的预测能力进行模型融合，将深度学习方法DBN、RNN、LSTM与BP神经网络进行融合得到融合模型；然后分别训练三种融合模型，每个融合模型都会得到一个预测结果，将预测结果作为新的BP神经网络的输入，比较BP输出与实际值间的误差学习新的BP神经网络的参数，实现3个融合模型的集成。实际使用时，先将数据分别输入3个融合模型，再将3个融合模型的输出值输入到新的BP神经网络，得到最终的预测结果。本发明综合了集成模型具有更好的鲁棒性特点，对地铁车轮健康预测具有良好的准确性。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供