基于ART神經網絡案例匹配的軌道交通智能數據診斷技術研究.pdf

1、相似案例匹配方法是一種基于積累的經驗知識進行問題求解和學習的方法。自適應諧振神經網絡(ART)是一種無教師學習的反饋神經網絡。兩者可在案例檢索、案例更新復用、案例調整修正、案例評估學習和案例庫建立及維護等方面相互結合。ART具有的自學習且保留已有訓練的特性，可對CBR的知識獲取和擴充進行優(yōu)化。因此，利用ART技術可以取得較好的案例推理效果。
　　 本文給出了ATR2模型、ART2學習原理及算法過程。ART2神經網絡克服了ART1

2、神經網絡只能輸入二進制樣本的局限性，可處理連續(xù)性信號，適用于任意輸入的模擬信號網絡模型，因此適合城軌運營過程中海量數據的動態(tài)管理，對城軌交通數據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)數據的ART2檢測診斷模型，給出了ART2模型對列車能耗設備狀態(tài)辨識的四層結構，根據軸承診斷仿真試驗平臺產生的數據，對城軌列車能耗裝備狀態(tài)數據進行匹配分類試驗。通過設置不同的閾值和警戒參數，將ART2模型與BP網絡、RBF網

3、絡和FP網絡三種前饋神經網絡模型的數據庫處理能力對比。結果表明，前者比其他方法查全率和查準率更高，能夠克服前饋神經網絡收斂速度慢、易陷入局部極小點的不足，在數據處理時具有快速準確的聚類效果。
　　 根據MarkosPapageorgiou提出的軌道交通流診斷數學模型，基于ART2模型預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據結果和實際交通數據比較，得到殘差序列，利用ART2