基于自回归及深度学习模型判断接触网异常的方法
基本信息
| 申请号 | CN202111496409.3 | 申请日 | - |
| 公开（公告）号 | CN114218856A | 公开（公告）日 | 2022-03-22 |
| 申请公布号 | CN114218856A | 申请公布日 | 2022-03-22 |
| 分类号 | 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 | 分类 | 计算；推算；计数; |
| 发明人 | 尹磊;李朝阳;冉惟可;贺毅;肖琨;王志强;杨佳;李路;邓云川;唐伟;陈科;刘涛;高保;王尧;代文平;何成太;余沿沿;朱明凯 | 申请（专利权）人 | 四川艾德瑞电气有限公司 |
| 代理机构 | - | 代理人 | - |
| 地址 | 610037四川省成都市金牛区金凤凰大道666号中铁轨道交通高科技产业园 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 基于自回归及深度学习模型判断接触网异常的方法，包括6个步骤。本发明采用经验理论公式、传统预测方法、深度学习方法这三种不同的预测方法进行数据预测，再用实测数据与三种预测方法所获得的预测数据分别绘制曲线，再将所得B值的预测曲线与实测曲线进行拟合对比。当实测曲线与预测曲线的拟合度低于某一阈值时，即判断接触网存在异常、反之正常。本发明不需要人为巡检，综合利用理论公式、差分整合移动平均自回归模型、卷积神经网络深度学习模型各自的优势，对接触网补偿装置B值进行预测，能在接触网存在异常时第一时间了解到具体情况，从而为制定相关措施，保证铁路安全运行起到了有利技术支撑。基于上述，本发明具有好的应用前景。 |
