本发明提供了一种开关设备可靠性评价方法,具体步骤如下:
步骤S1:对开关设备产生的基础数据和运行数据进行预处理和初始化,并建立相应的向量对照表。
步骤S2:建立基础数据的树形结构,并运用递归神经网络进行建模。
步骤S3:构建运行数据的时序结构,并运用循环神经网络进行建模。
步骤S4:依据步骤S2和步骤S3中建立的模型,设立损失函数,并进行模型训练。
步骤S5:结合向量对照表,进行模型推理,得出最终的风险估计。
本发明通过融合递归神经网络和循环神经网络,引入属性向量和事件向量,有效解决了非数值数据的低维编码问题;同时,结合基础数据和运行数据,实现多源信息的融合,为开关设备可靠性提供精确的量化评价和动态评估。
| 专利名称 | 一种开关设备可靠性评价方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201610588939.3 |
| 申请号 | - | 专利申请日期 | 2016-07-25 |
| 专利授权日期 | 2016-12-07 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 向真;李高杨;张欣;黄荣辉;王小华;赵宇明;荣命哲 | ||
| 权利人 | - | ||
| 专利摘要 | 本发明提供一种开关设备可靠性评价方法,包括:步骤S1,分别对开关设备产生的基础数据和运行数据进行预处理和初始化,并建立相应的向量对照表;步骤S2,建立基础数据的树形结构,并使用递归神经网络进行建模;步骤S3,建立运行数据的时序结构,并使用循环神经网络进行建模;步骤S4,根据步骤S2、步骤S3建立的模型,建立损失函数,并进行模型训练;步骤S5,结合所述向量对照表,进行模型推理,获得最终的风险估计。本发明通过结合递归神经网络和循环神经网络,引入属性向量和事件向量,解决对非数值数据的低维编码问题;能结合基础数据和运行数据,能够实现多源信息的融合,从而为开关设备可靠性提供精确的量化评价和动态评估。 | ||