基于自回歸及深度學習模型判斷接觸網(wǎng)異常的方法

基本信息

申請?zhí)?/td> CN202111496409.3 申請日 -
公開（公告）號 CN114218856A 公開（公告）日 2022-03-22
申請公布號 CN114218856A 申請公布日 2022-03-22
分類號 G06F30/27（2020.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06F113/04（2020.01）N;G06F119/08（2020.01）N 分類 計算；推算；計數(shù);
發(fā)明人 尹磊;李朝陽;冉惟可;賀毅;肖琨;王志強;楊佳;李路;鄧云川;唐偉;陳科;劉濤;高保;王堯;代文平;何成太;余沿沿;朱明凱 申請（專利權(quán)）人 四川艾德瑞電氣有限公司
代理機構(gòu) - 代理人 -
地址 610037四川省成都市金牛區(qū)金鳳凰大道666號中鐵軌道交通高科技產(chǎn)業(yè)園
法律狀態(tài) -

摘要

摘要 基于自回歸及深度學習模型判斷接觸網(wǎng)異常的方法，包括6個步驟。本發(fā)明采用經(jīng)驗理論公式、傳統(tǒng)預測方法、深度學習方法這三種不同的預測方法進行數(shù)據(jù)預測，再用實測數(shù)據(jù)與三種預測方法所獲得的預測數(shù)據(jù)分別繪制曲線，再將所得B值的預測曲線與實測曲線進行擬合對比。當實測曲線與預測曲線的擬合度低于某一閾值時，即判斷接觸網(wǎng)存在異常、反之正常。本發(fā)明不需要人為巡檢，綜合利用理論公式、差分整合移動平均自回歸模型、卷積神經(jīng)網(wǎng)絡深度學習模型各自的優(yōu)勢，對接觸網(wǎng)補償裝置B值進行預測，能在接觸網(wǎng)存在異常時第一時間了解到具體情況，從而為制定相關(guān)措施，保證鐵路安全運行起到了有利技術(shù)支撐。基于上述，本發(fā)明具有好的應用前景。