一种接触网覆冰预警方法

本发明涉及接触网检测，特别是涉及一种接触网覆冰预警方法。

背景技术：

1、接触网是铁路电能传输的主要部件，接触网的正常、安全运行是避免铁路运输发生重大事故的重要保障，而覆冰事故是电气化铁路比较常见的自然灾害。接触网覆冰可能会造成接触线磨损、断线故障，严重情况下，甚至会导致接触网供电异常，从而使电力机车列车停运。此外覆冰的接触网在风中舞动快，幅度大，容易造成设备损坏。接触网覆冰影响范围广、危害大、抢修难度高，严重覆冰会造成供电中断，列车停运，给铁路系统的安全稳定运行造成严重威胁。

2、为了防止接触网覆冰对铁路系统造成重大损坏，通常会采取人工巡检和覆冰监测系统。而现有技术中的覆冰监测系统由于其内部的传感器的局限性、方法的局限性，经常无法准确预警，抗干扰能力差，从而覆冰初期发生时很难做到及时发现以及有效控制。

技术实现思路

1、本发明的目的在于提供一种接触网覆冰预警方法，以解决现有技术无法准确预警、抗干扰能力差的问题。

2、一种接触网覆冰预警方法，应用于接触网覆冰预警装置，所述接触网覆冰预警装置上设有多个数据传感器，所述接触网覆冰预警方法包括以下步骤：

3、步骤s1，构建多层次结构的神经网络模型，其中，所述神经网络模型至少包括预处理层，输入层，中间层，输出层；

4、步骤s2，将所述神经网络模型的权值和阈值随机初始化，将初始化的权值和阈值输入至预处理层进行神经网络模型优化，其中，利用适应度分配函数计算初始化种群的适应度，适应度分配函数 f的表达式为：

5、

6、其中， q为输出层节点个数， m表示第 m个输出层节点， ym为神经网络模型的期望输出值， xm神经网络模型的实际输出结果；

7、步骤s3，获取各数据传感器的维度数据，并分别将各维度数据输入至输入层进行数据处理，以得到各维度数据对应的预处理序列，将各预处理序列组合进行归一化处理后得到预处理修正序列集，预处理修正序列集的表达式为：

8、

9、

10、其中，表示数据传感器编号， j表示数据传感器的采样时刻， y表示数据传感器的采样日期，d表示数据传感器的采样年份，表示第个传感器的预处理修正序列集，表示第个传感器在第1采样时刻的预处理修正序列，表示第个传感器在第2采样时刻的预处理修正序列，表示第个传感器在第3采样时刻的预处理修正序列，表示第个传感器在第 j采样时刻的预处理修正序列，表示第个传感器在一天内不同时刻的维度数据组成的序列，表示理想传感器数据序列，表示第个传感器在 d年内每天第 j时刻得到的传感器数据的均方值，表示第个传感器在 d年内每天第 j时刻得到的传感器数据的中位数；

11、步骤s4，将预处理修正序列集通过中间层中的隐层模块进行激活处理和数据处理，以得到中间数据集；

12、步骤s5，将中间数据集输入至输出层，获得实际输出，并通过全局误差函数计算网络全局误差，利用梯度下降法进行神经网络反向传递，对输入层、中间层、输出层的层次结构逐层计算权值和阈值的下降梯度，进一步优化神经网络模型的权值和阈值；

13、步骤s6，判断步骤s5的输出结果是否达到设定要求，若未达到，则将各维度数据按照上述步骤s3至步骤s5进行反复迭代，直至输出结果达到设定要求，并输出迭代后的概率值；

14、步骤s7，判断迭代后的概率值是否达到预设的接触网覆冰概率阈值，若迭代后的概率值达到预设的接触网覆冰概率阈值，则发出覆冰报警信号。

15、根据本发明提供的接触网覆冰预警方法，具有以下有益效果：

16、（1）通过构建多层次结构的神经网络模型，利用其中的预处理层得到中间最优权重和中间最优阈值，通过中间最优权值和中间最优阈值对神经网络模型进行优化，能够避免神经网络反向传递过程陷入反向优化和局部最优的困境，缩短神经网络优化的时间，提高接触网覆冰预警的精度和速度，以及抗环境干扰的能力；

17、（2）将每个样本对应的q+1改进型实际值均方差值的倒数作为适应度，从而提高适应度较小的个体的适应度和被选择概率，进而避免在迭代初期，种群的选择过程被适应度值较高的个体控制，使全局优化陷入局部最优解，进而影响神经网络模型的预测结果；

18、（3）将各数据传感器的维度数据通过神经网络模型的输入层进行归一化处理，以得到各维度数据所对应的预处理修正序列集，通过改进z-score归一化来去除现有技术中传感器产生的粗大误差，随机误差，能有效的抑制传感器采集的异常数据对预测结果的影响，增强预处理修正序列的鲁棒性，增强数据的可靠性、以及仪器对恶性天气的适用性，防止在相对较差环境下对接触网覆冰进行监测报警时，经常产生误判，错判，致使监控人员对报警失去警觉，同时还能够移除环境因素对传感器数据的扰动，减小误报率；

19、（4）将预处理修正序列集通过中间层中的隐层模块进行数据处理得到中间数据集，利用输出层得到实际输出以及网络全局误差，利用梯度下降法进行神经网络反向传递，进一步优化神经网络模型的权值和阈值，能够有效的防止层激活输出在神经网络的反向传递过程中爆炸或消失，缩短了接触网覆冰的预测时间，提高模型预测结果的正确率；最后将各维度数据在神经网络模型中反复迭代，输出迭代后的概率值，进而根据获得的概率值自动判断是否需要发出覆冰报警信号。

技术特征：

1.一种接触网覆冰预警方法，应用于接触网覆冰预警装置，所述接触网覆冰预警装置上设有多个数据传感器，其特征在于，所述接触网覆冰预警方法包括以下步骤：

2.根据权利要求1所述的接触网覆冰预警方法，其特征在于，步骤s2具体包括：

3.根据权利要求2所述的接触网覆冰预警方法，其特征在于，步骤s202具体包括：

4.根据权利要求3所述的接触网覆冰预警方法，其特征在于，步骤s2021中，所述实数编码公式的表达式为：

5.根据权利要求3所述的接触网覆冰预警方法，其特征在于，步骤s2023具体包括：

6.根据权利要求1所述的接触网覆冰预警方法，其特征在于，步骤s4中，隐层模块激活处理的激活函数的表达式为：

7.根据权利要求1所述的接触网覆冰预警方法，其特征在于，步骤s5中，所述梯度下降法采用adamax算法。

8.根据权利要求1所述的接触网覆冰预警方法，其特征在于，步骤s5中，全局误差函数e的表达式为：

技术总结
本发明提供一种接触网覆冰预警方法，该方法通过构建多层次结构的神经网络模型，利用其中的预处理层得到中间最优权重和中间最优阈值，能够避免神经网络反向传递过程陷入反向优化和局部最优的困境，缩短神经网络优化的时间，提高接触网覆冰预警的精度和速度，以及抗环境干扰的能力；将各数据传感器的维度数据通过神经网络模型的输入层进行归一化处理，以得到各维度数据所对应的预处理修正序列集，能够减小环境因素对传感器数据的扰动，降低系统报警信号误触概率；利用梯度下降法进行神经网络反向传递，进一步优化神经网络模型的权值和阈值，缩短了接触网覆冰的预测时间，提高模型预测结果的正确率。

技术研发人员：韦宝泉,郭子航,王晓明,邓芳明,李泽文,于小四,郭峰,邓建峰,袁帅,王健,汪兆瑞
受保护的技术使用者：华东交通大学
技术研发日：
技术公布日：2024/1/13