1.一种槽型轨几何参数趋势预测方法,其特征在于,包括下述步骤:将检测的槽型轨几何参数值进行数据存储及批量处理;
进行数据预处理,识别并修正异常值;
构建径向基神经网络,进行槽型轨不平顺预测训练和磨耗预测训练,具体的训练步骤包括:选取槽型轨设定检测区段的左右高低、左右轨向、轨距和超高数据,将处于同一检测时段的各项参数平均值输入所述径向基神经网络进行训练;
选取槽型轨设定检测区段的磨耗数据,将磨耗数据的最大值输入径向基神经网络进行训练;
迭代更新径向基神经网络基函数的中心、方差、隐含层与输出层之间的权值;
将检测到的槽型轨几何参数值输入到训练后的径向基神经网络进行预测,得到槽型轨不平顺和磨耗值预测数据。
2.根据权利要求1所述的槽型轨几何参数趋势预测方法,其特征在于,所述将轨检车检测的槽型轨几何参数值进行数据存储,采用分布式文件系统进行存储。
3.根据权利要求1所述的槽型轨几何参数趋势预测方法,其特征在于,所述进行数据预处理,具体步骤为:设定滤波阈值及构建零均值序列,所述滤波阈值根据槽型轨几何参数值自动调整;
判断检测的槽型轨几何参数值是否超出设定滤波阈值的范围,若超出则判定为异常数据,并采用零均值序列中对应的绝对均值替换当前异常数据;
对数据进行归一化处理。
4.根据权利要求1所述的槽型轨几何参数趋势预测方法,其特征在于,所述构建径向基神经网络,具体步骤包括:将径向基神经网络输入层到隐含层之间的权值固定为1,径向基采用高斯函数,神经元的输出为:其中,Xi表示基函数的中心,σ表示函数宽度参数。
5.根据权利要求1所述的槽型轨几何参数趋势预测方法,其特征在于,所述迭代更新径向基神经网络基函数的中心、方差、隐含层与输出层之间的权值,具体步骤包括:确定基函数的中心的步骤包括:
确定聚类中心个数并初始化聚类中心,选取样本数据及训练样本数据;
调整基函数中心的计算公式为:
0≤η≤1;
其中,xi(n)表示在第n次迭代时径向基函数的第i个中心,η表示学习步长,n表示迭代步数,Xk表示训练样本数据;
确定基函数的方差,计算公式为:
所述隐含层与输出层之间的权值采用求伪逆矩阵法。
6.一种槽型轨几何参数趋势预测系统,其特征在于,包括:数据存储模块、批量处理模块、预处理模块、径向基神经网络构建模块、训练模块和预测模块;
所述数据存储模块用于将检测的槽型轨几何参数值进行数据存储;
所述批量处理模块用于将检测的槽型轨几何参数值进行数据批量处理;
所述预处理模块用于进行数据预处理,识别并修正异常值;
所述径向基神经网络构建模块用于构建径向基神经网络;
所述训练模块用于训练径向基神经网络,包括槽型轨不平顺预测训练单元、磨耗预测训练单元和参数更新模块;
所述槽型轨不平顺预测训练单元用于选取槽型轨设定检测区段的左右高低、左右轨向、轨距和超高数据,将处于同一检测时段的各项参数平均值输入径向基神经网络进行训练,所述磨耗预测训练单元用于选取槽型轨设定检测区段的磨耗数据,将磨耗数据的最大值输入径向基神经网络进行训练;
所述参数更新模块用于迭代更新径向基神经网络基函数的中心、方差、隐含层与输出层之间的权值;
所述预测模块用于将检测到的槽型轨几何参数值输入到训练后的径向基神经网络进行预测,得到槽型轨不平顺和磨耗值预测数据。