基于art神经网络案例匹配的轨道交通智能数据诊断技术研究

《基于art神经网络案例匹配的轨道交通智能数据诊断技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于ART神经网络案例匹配的轨道交通智能数据诊断技术研究作者：严悦指导教师：哈进兵副教授南京理工大学2013年3月Master’SThesisResearchontheAR■basedCaseMatchingandtheRailIntelligentDataDiagnosisTechnologyByWEYANSupervisedbyPVojJinbingHaNanjingUniversityofScience&TechnologyMarch，2013声明本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或公布

2、过的研究成果，也不包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均己在论文中作了明确的说明。学位论文使用授权声明南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或上网公布本学位论文的部分或全部内容，可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密论文，按保密的有关规定和程序处理。研究生签名：如J3年岁月山日硕士论文基于ART神经网络案例匹配的轨道交通智能运营管理研究摘要相似案例匹配方法是一种基于积累的经验知识进行问题求解和学习的方法。自适应谐振神经网络(ART)是一种无教师学习的反馈神经网络。两

3、者可在案例检索、案例更新复用、案例调整修正、案例评估学习和案例库建立及维护等方面相互结合。ART具有的自学习且保留已有训练的特性，可对CBR的知识获取和扩充进行优化。因此，利用ART技术可以取得较好的案例推理效果。本文给出了ATR2模型、ART2学习原理及算法过程。ART2神经网络克服了ARTl神经网络只能输入二进制样本的局限性，可处理连续性信号，适用于任意输入的模拟信号网络模型，因此适合城轨运营过程中海量数据的动态管理，对城轨交通数据的自动诊断和管理决策提供支持。建立了城轨列车能耗装备状态数据的ART2检测诊断模型，给出了ART2模型对列车能耗设备状态辨识的四层结构，根据轴承诊断仿真试

4、验平台产生的数据，对城轨列车能耗装备状态数据进行匹配分类试验。通过设置不同的阈值和警戒参数，将ART2模型与BP网络、RBF网络和FP网络三种前馈神经网络模型的数据库处理能力对比。结果表明，前者比其他方法查全率和查准率更高，能够克服前馈神经网络收敛速度慢、易陷入局部极小点的不足，在数据处理时具有快速准确的聚类效果。根据MarkosPapageorgiou提出的轨道交通流诊断数学模型，基于ART2模型预测城市轨道交通拥挤事件。采用交通流模型建立观测器，ART2模型建立分类器，将交通流模型得到的数据结果和实际交通数据比较，得到残差序列，利用ART2模型对残差序列进行分类，对城市轨道交通流拥挤

5、状态及严重程度进行诊断和监测。将ART2模型与模糊推理、粗糙集推理和灰色关联推理对比，试验结果表明，ART2模型能分别识别已知事件类型和未知事件类型，实现数据诊断与监测的自学习和自成长，为城市轨道交通的运营管理提供有效的决策支持。关键词：相似案例匹配案例检索ART神经网络轨道交通诊断Abstract硕士论文Matchingmethodwithsimilarcases(CBR)isanewmodeofreasoninginthelasttwentyyears，thegrowingdifferencebetweentherule-basedreasoning．Itisanimportantw

6、ayofproblemsolvingandlearningbasedontheaccumulatedknowledge，emphasizingtheattentionofhumanknowledgeandexperienceaccumulatedinthepast，andthewisdomofourpredecessors．Adaptiveresonanceneuralnetwork(ART)isanon—teacherfeedbackartificialneuralnetworklearning，onlinelearning，itmakesmanyoftheadvantagesofmu

7、tualcooperationtiesbetweentheCBRandART,inmanyways，SOthatthetwoarecomplementarysex．Therefore，theuseofARTtechniquesandmodelstoachieveCBRCallobtaingoodReasoningeffect．ThispaperdetailstheARTneuralnetworkCBRcaseretrieval，ca