买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜杭州电子科技大学申请的专利基于可调输入LSTM模型的道岔转辙机故障预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115018196B 。

龙图腾网通过国家知识产权局官网在2025-05-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210768550.2，技术领域涉及：G06F18/2431；该发明授权基于可调输入LSTM模型的道岔转辙机故障预测方法是由徐晓滨;董峻;常雷雷;郭豪豪;翁旭;张泽辉;冯静;侯平智设计研发完成，并于2022-06-30向国家知识产权局提交的专利申请。

本基于可调输入LSTM模型的道岔转辙机故障预测方法在说明书摘要公布了：本发明公开了一种基于可调输入LSTM模型的道岔转辙机故障预测方法。本发明基于道岔交流电动转辙机正常状态以及三种故障状态下采集三相电流中A相的电流信号，对电流信号进行特征提取，得到从正常状态过渡到任一种故障状态的电流特征序列，由电流特征序列构造置信规则融合模型的输入，输出可调输入因子αt；由电流特征序列及可调输入因子αt构造可调输入LSTM模型的输入，并最终预测出交流电动转辙机的故障类型。本发明可以提升故障预测的准确性。

本发明授权基于可调输入LSTM模型的道岔转辙机故障预测方法在权利要求书中公布了：1.基于可调输入LSTM模型的道岔转辙机故障预测方法，其特征在于，包括以下各步骤：S1：在电动转辙机正常状态以及三种故障状态下采集三相电流中A相的电流信号，对电流信号进行特征提取，得到从正常状态过渡到任一种故障状态的电流特征序列；S2：构建可调输入LSTM故障预测模型，模型的输入是步骤S1中电流特征向量序列与可调输入因子组成的特征向量，模型的输出为未来t+s时刻转辙机的故障状态；S3：构建置信规则融合模型，根据历史和当前的电流特征序列的平均变化量，推理出t时刻可调输入因子αt的取值；S4：当获取电动转辙机各种状态的历史样本数据之后，建立优化目标函数，对S2中建立的LSTM预测模型中的参数进行优化，当在线获取电流特征序列后，重复步骤S2和S3获取转辙机故障状态的预测结果；所述步骤S2中可调输入LSTM模型故障预测模型的输入是特征向量Lt＝[x1t,x2t,x1′t,x2′t]，其中的x1′t和x2′t分别用如下公式1和2计算得到 其中，αt为可调输入因子，取值为大于等于2的正整数；该模型的输出为未来t+s时刻电动转辙机的故障状态Fnt+s，s＝1,2,...S，S∈N+；所述步骤S3的具体过程为：S3-1：构建置信规则融合模型的输入是向量其中分别用如下公式3和4计算得到 模型的输出是t时刻可调输入因子αt的取值；S3-2：步骤S3中所述的置信规则融合模型中，确定关于变量的参考值集合为其中，R≥2为每个输入的参考值个数，是第p个输入的第r个参考等级的参考值，并有该模型输出αt的参考值集合为D＝{Di|i＝1,2,...,I}，Di取值为大于等于2的正整数，并有D1D2......DI，I≥2为输出的参考值个数；S3-3：步骤S3中所述的置信规则融合模型中，构建的规则库由K条规则组成，K＝R2，其中的第k条规则Rk描述为： 其中，表示在第k条规则下，该模型第p个输入对应的参考值，mi,k为Di的置信度，且满足那么Rk被简化表示为输入参考向量和输出置信度向量Mk＝[m1,k,m2,k,…,mI,k]；S3-4：步骤S3中所述的置信规则融合模型中，计算向量Bt与向量Ak的欧式距离dk，利用公式6对所有dk进行归一化得到dk′，然后利用公式7获得Bt对于规则Rk的激活程度向量βkt βkt＝dk′·Mk＝[dk′m1,k,dk′m2,k,…,dk′mI,k]7S3-5：步骤S3中所述的置信规则融合模型中，利用公式8将K条规则的βkt进行对应元素相加，获得融合后的置信度向量βt S3-6：步骤S3中所述的置信规则融合模型中，由该模型的输出参考值组成向量G＝[D1,D2,...,DI]按照如下公式9进行向量相乘可得α＝G×βTt9选择与α差值最小的输出参考等级值，将其作为可调输入因子αt的取值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。