原文传递
基于深度学习的高速公路机电设备寿命预测
| 论文题名： | 基于深度学习的高速公路机电设备寿命预测 |
| 关键词： | 高速公路;机电设备;寿命预测;深度学习 |
| 摘要： | 机电设备的稳定运行对于提高高速公路的服务品质、保障全路段高效稳定运行起到重要作用。本文通过分析高速公路机电设备的运行特征，以运行监测数据为基础，结合深度学习理念提出高速公路机电设备寿命预测方法，为高速公路预防性维护提供决策参考。 首先，本文对高速公路机电设备维护数据进行分析，将日常维护数据中各种设备的维护数据进行量化，通过设备特征确定评价维度，利用K-means聚类算法与CART分类树算法对机电设备的重要程度进行分级，从而筛选出UPS电源与自动栏杆机作为本文的研究对象。其次，以NASA锂电池公开数据集数据指代UPS设备，以监测数据为基础，将双向长短时记忆网络(BiLSTM)与时间模式注意力机制(TPA)结合搭建预测模型。之后，为了处理自动栏杆机监测数据中出现的数据振荡，本文在数据处理阶段采用经验模态分解(EMD)加强特征提取的能力，在神经网络参数优化中引入随机网格搜索机制进行参数寻优，在模型训练中引入L2正则化规避网络过拟合，将训练好的模型应用自动栏杆机监测数据进行验证。最后，结合信息化发展的需要，对高速公路机电设备寿命监管模块进行设计，对设备的管理与运行状态进行可视化监测。 本文针对锂电池与自动栏杆机设备，提出了一种基于深度学习的高速公路机电设备寿命预测方法，且该方法在预测效果上相较于部分深度学习或机器学习算法具有更高的准确性。本文的研究结果可以从一定程度上为高速公路运营管理机构制定预防性维护策略提供数据支持。 |
| 作者： | 陈天益 |
| 专业： | 交通运输工程 |
| 导师： | 许宏科 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
