基于BP神经网络的地铁屏蔽门智能报警模型研究

【目的】传统的地铁屏蔽门报警系统往往基于固定的逻辑判断,难以应对复杂多变的实际情况,防夹技术存在监测误报警率高、精度低等问题,因此亟需研究一种更安全、精确的地铁安全门智能报警模型。【方法】将BP神经网络模拟人脑反射运动的算法应用于地铁屏蔽门的智能报警模型中,以地铁屏蔽门中的防夹检测信号、锁闭时间、屏蔽门状态和屏蔽门运作的直线电机继电器电压值作为报警控制系统BP神经网络模型的输入层变量X,对地铁屏蔽门发出的报警信号进行预测,构建了一种准确性高、精度高的地铁安全门智能报警模型。【结果】通过使用BP神经网络学习和分析大量历史数据,能够自动识别各种正常和异常状态,并做出准确的报警决策,可以提高地铁屏蔽门系统的安全性和可靠性。【结论】通过数值实验验证,新系统展现出良好的预测性能,对地铁运营系统的屏蔽门监控具有显著意义。