一种轨交列车车载高压设备健康状态评估及寿命预测方法

    公开(公告)号:CN115330046A

    公开(公告)日:2022-11-11

    申请号:CN202210958858.3

    申请日:2022-08-10

    IPC分类号: G06Q10/04 G06K9/62

    摘要: 一种轨交列车车载高压设备健康状态评估及寿命预测方法,采集车载高压侧设备的在VCB及分网离线等特殊工况下的过电压数据,同步采集设备的环境温度数据,通过上述数据相关性分析,确定设备的绝缘强度配比;将定期把采集数据上传终端录波服务器,并长期跟踪记录各设备发生故障的时间及故障类型;通过深度学习网络寻找过电压幅值、累计频次、间隔时间等特征以及设备温度变化特征与设备故障间的关联关系;通过训练后的模型预测各关键设备的服役寿命、评估故障发生的风险,避免设备发生局部放电或更严重的局部击穿等故障,有效的保障列车牵引供电系统的安全、稳定运行。本发明具有测试时间成本低,测试可靠性高等特点。

    一种轨道交通列车的电机轴温监测与控制系统

    公开(公告)号:CN115230771A

    公开(公告)日:2022-10-25

    申请号:CN202210977980.5

    申请日:2022-08-16

    摘要: 本发明公开了一种轨道交通列车的电机轴温监测与控制系统,包括监测模块、计算/判断模块和执行模块三部分;监测模块包括车载测速雷达、速度传感器和安装在电机轴端的电流互感器;计算/判断模块由中央数据处理单元构成;执行模块包含牵引变流器、撒沙装置、可调电阻;监测模块实时监测列车运行数据并将数据传输到中央数据处理单元,中央数据处理单元将数据代入目标函数进行计算,并根据目标函数所得结果进行空转判定;执行模块通过改变可调电阻的阻值限制流过电机的电流大小,或者控制撒沙装置进行撒沙操作。本发明使空转判定更为快速准确,适用范围更广;使列车空转防护更为精准,减少了不必要的成本浪费与精力消耗。

    基于高光谱技术的绝缘子污秽度非接触检测方法

    公开(公告)号:CN110376214B

    公开(公告)日:2021-08-10

    申请号:CN201910745335.9

    申请日:2019-08-13

    IPC分类号: G01N21/94

    摘要: 本发明公开了一种基于高光谱技术的绝缘子污秽度非接触检测方法,涉及输变电设备运行状态检修技术领域。该方法包括:获取积污绝缘子的第一高光谱图像集和第二高光谱图像集;提取第一高光谱图像集的高光谱数据,将其中一部分数据作为训练集,另一部分数据作为测试集,建立污秽度多参量检测模型,并用测试集对该模型进行优化;提取第二高光谱图像集中若干个局部区域的高光谱数据,并通过优化后的污秽度多参量检测模型进行识别,从而得到盐灰比例Ⅱ和污秽总量Ⅱ,计算出绝缘子的污秽等值盐密Ⅱ和污秽灰密Ⅱ。该方法识别准确率高,适用于现场带电检测,可实现绝缘子各局部区域污秽度的检测,为制定具有针对性的绝缘子清扫方案提供了技术参考。

    基于高光谱技术的绝缘子表面含水量的检测方法

    公开(公告)号:CN109765192B

    公开(公告)日:2020-09-18

    申请号:CN201910071649.5

    申请日:2019-01-25

    IPC分类号: G01N21/31

    摘要: 一种基于高光谱技术的绝缘子表面含水量检测方法。它先利用高光谱成像仪拍摄已知不同表面含水量的绝缘子表面得到对应的高光谱图像,对高光谱图像进行黑白校正、多元散射校正、平滑去噪,得到表面含水量Si的高光谱谱线Xi,进而得到含水量BP神经网络预测模型;然后拍摄得到待测绝缘子的高光谱图像,进行黑白校正、多元散射校正、平滑去噪,得到待测绝缘子的高光谱谱线X0,将待测绝缘子的高光谱谱线X0输入预测模型,即可得到待测绝缘子的表面含水量。该方法能在带电情况下,对现场绝缘子进行非接触实时检测,其操作简单、易于实现;能方便地为绝缘子的防潮抗湿设计、制造和维护,提供可靠、准确的测试依据。

    基于长短期记忆神经网络的绝缘子污秽度发展预测方法

    公开(公告)号:CN110530876B

    公开(公告)日:2020-08-18

    申请号:CN201910833968.5

    申请日:2019-09-04

    IPC分类号: G01N21/88 G06N3/04 G06N3/08

    摘要: 本发明公开了一种基于长短期记忆神经网络的绝缘子污秽度发展预测方法,其包括获取绝缘子局部区域拍摄的高光谱图像,并提取高光谱图像的高光谱谱线;将绝缘子的高光谱谱线输入已构建的相同污秽类型的绝缘子污秽度高光谱回归模型,得到绝缘子的污秽度;将绝缘子的污秽度和预测时间序列输入采用长短期记忆神经网络算法构建的相同污秽类型的污秽度高光谱发展预测模型中,得到工程要求的绝缘子预测污秽度。本方案通过污秽度高光谱发展预测模型与高光谱图像的结合能够准确预测绝缘子污秽发展,以解决现有技术存在的操作繁琐、人工干扰大,难以预测污秽度未来发展等问题。