基于ART神經(jīng)網(wǎng)絡(luò)案例匹配的軌道交通智能數(shù)據(jù)診斷技術(shù)研究.pdf

1、相似案例匹配方法是一種基于積累的經(jīng)驗知識進(jìn)行問題求解和學(xué)習(xí)的方法。自適應(yīng)諧振神經(jīng)網(wǎng)絡(luò)(ART)是一種無教師學(xué)習(xí)的反饋神經(jīng)網(wǎng)絡(luò)。兩者可在案例檢索、案例更新復(fù)用、案例調(diào)整修正、案例評估學(xué)習(xí)和案例庫建立及維護(hù)等方面相互結(jié)合。ART具有的自學(xué)習(xí)且保留已有訓(xùn)練的特性，可對CBR的知識獲取和擴(kuò)充進(jìn)行優(yōu)化。因此，利用ART技術(shù)可以取得較好的案例推理效果。
　　 本文給出了ATR2模型、ART2學(xué)習(xí)原理及算法過程。ART2神經(jīng)網(wǎng)絡(luò)克服了ART1

2、神經(jīng)網(wǎng)絡(luò)只能輸入二進(jìn)制樣本的局限性，可處理連續(xù)性信號，適用于任意輸入的模擬信號網(wǎng)絡(luò)模型，因此適合城軌運營過程中海量數(shù)據(jù)的動態(tài)管理，對城軌交通數(shù)據(jù)的自動診斷和管理決策提供支持。
　　 建立了城軌列車能耗裝備狀態(tài)數(shù)據(jù)的ART2檢測診斷模型，給出了ART2模型對列車能耗設(shè)備狀態(tài)辨識的四層結(jié)構(gòu)，根據(jù)軸承診斷仿真試驗平臺產(chǎn)生的數(shù)據(jù)，對城軌列車能耗裝備狀態(tài)數(shù)據(jù)進(jìn)行匹配分類試驗。通過設(shè)置不同的閾值和警戒參數(shù)，將ART2模型與BP網(wǎng)絡(luò)、RBF網(wǎng)

3、絡(luò)和FP網(wǎng)絡(luò)三種前饋神經(jīng)網(wǎng)絡(luò)模型的數(shù)據(jù)庫處理能力對比。結(jié)果表明，前者比其他方法查全率和查準(zhǔn)率更高，能夠克服前饋神經(jīng)網(wǎng)絡(luò)收斂速度慢、易陷入局部極小點的不足，在數(shù)據(jù)處理時具有快速準(zhǔn)確的聚類效果。
　　 根據(jù)MarkosPapageorgiou提出的軌道交通流診斷數(shù)學(xué)模型，基于ART2模型預(yù)測城市軌道交通擁擠事件。采用交通流模型建立觀測器，ART2模型建立分類器，將交通流模型得到的數(shù)據(jù)結(jié)果和實際交通數(shù)據(jù)比較，得到殘差序列，利用ART2