摘要
一种基于孪生数据的城轨列车受电弓磨损量轻量化预测方法用于城轨列车受电弓磨损量预测。本发明针对受电弓碳滑板的磨损量预测问题,提出了一种计算效率高、结构精简的轻量化模型。该模型在确保预测鲁棒性的同时,能够快速、准确地实现受电弓碳滑板的磨损量预测。此外,利用碳滑板的材料参数通过循环仿真计算受电弓磨损的孪生数据,对模型的权重和偏置进行调优,提升预测精度。该方法首先对采集的磨损数据进行预处理,随后将其输入至轻量化网络中进行预训练。接着,利用孪生数据对预训练的轻量化模型进行参数调优,并最终保存调整后的参数,以完成磨损寿命的预测。本发明实现对受电弓碳滑板磨损量的精确预测,具有参数量少、运行时间短的优势。
技术关键词
城轨列车受电弓
受电弓碳滑板
残差结构
磨损寿命预测
预训练网络
轻量化卷积神经网络
输出特征
模块
寿命周期数据
参数
滑动窗口采样
监测传感器
代表
磨损量预测方法
模型预训练
泊松比