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！

申请/专利权人：中国铁路沈阳局集团有限公司长春高铁基础设施段

摘要：本发明涉及铁路供电技术领域，具体涉及铁路上供电设备智能诊断与评估系统，所述系统包括：数据采集单元，用于从所有铁路供电设备中，采集设定时间范围内的每个时间点的运行数据，组成多维时间序列；数据处理单元，用于构建混淆矩阵，将高维特征向量映射到一个高维空间，得到映射结果，构建生成对抗网络，包括生成器网络和判别器网络，使用训练好的生成器网络，生成与正常的供电设备状态相似的特征向量，将生成的特征向量与高维特征向量进行比较，确定铁路供电设备的当前的状态，使用混淆矩阵计算分类准确率。本发明能够提高供电设备状态监测的准确性、实时性和自动化程度，有助于提高铁路供电设备的可靠性和安全性。

主权项：1.铁路上供电设备智能诊断与评估系统，其特征在于，所述系统包括：数据采集单元，用于从所有铁路供电设备中，采集设定时间范围内的每个时间点的运行数据，组成多维时间序列，在多维时间序列中，每个序列元素为一个时间点的所有铁路供电设备的运行数据组成的集合，将多维时间序列转换为高维特征向量；数据处理单元，用于构建混淆矩阵，混淆矩阵中每一行代表一个已知的供电设备状态，每一列代表一个被诊断的状态，将高维特征向量映射到一个高维空间，得到映射结果，构建生成对抗网络，包括生成器网络和判别器网络，生成器网络生成与正常的供电设备状态相似的特征向量，判别器网络区分生成的特征向量和高维特征向量，通过最小化生成器网络和判别器网络的目标函数来训练生成对抗网络，其中生成器网络的目标是生成的特征向量与高维特征向量的差异最小，而判别器的目标是区分生成的特征向量和高维特征向量的准确率最高，使用训练好的生成器网络，生成与正常的供电设备状态相似的特征向量，将生成的特征向量与高维特征向量进行比较，确定铁路供电设备的当前的状态，使用混淆矩阵计算分类准确率，若分类准确率在设定的阈值范围内，则将当前的状态作为诊断结果；所述数据采集单元首先从所有铁路供电设备中采集设定时间范围内的每个时间点的运行数据，设有N个铁路供电设备，每个时间点采集每个铁路供电设备的M个运行数据；每个时间点的采集到的运行数据表示为一个N×M的矩阵，记为D，其中Dij表示第i个设备在第j个时间点的运行数据；若设定时间范围内有T个时间点，所有时间点的运行数据组成的多维时间序列表示为一个T×N×M的三维张量X，其中Xtij表示第t个时间点时第i个设备的第j个运行数据，这个三维张量用以下方式表示：X＝{Xtij∣1≤t≤T,1≤i≤N,1≤j≤M}；将多维时间序列X转换为高维特征向量F，其中每个特征向量代表一个时间点的所有设备的运行数据，具体包括：计算多维时间序列的均值向量；基于计算得到的均值向量，计算协方差矩阵；基于计算得到的协方差矩阵，计算协方差矩阵的特征值和协方差矩阵的特征向量；选择大于设定阈值的特征值对应的特征向量来构建高维特征向量，设选择K个特征向量，那么高维特征向量F使用如下公式进行表示：F＝{Ftk∣1≤t≤T,1≤k≤K}；其中，Ftk表示第t个时间点的第k个特征；Ft为第t个时间点的特征的集合。

全文数据：

权利要求：

百度查询： 中国铁路沈阳局集团有限公司长春高铁基础设施段 铁路上供电设备智能诊断与评估系统