一种基于BP神经网络的过渡电阻预测方法技术

技术编号:23852947 阅读:54 留言:0更新日期:2020-04-18 09:36
本发明专利技术公开一种基于BP神经网络的过渡电阻预测方法,具体步骤为:步骤1,收集地铁的原始数据作为数据集,所述原始数据为地铁的极化电压,轨构电压,偏移量,自然本体和过渡电阻测量值五种数据;步骤2,对所述数据集中的数据进行预处理;之后将所述预处理数据集分为训练集和测试集;步骤3,构建基于BP神经网络的过渡电阻预测模型;步骤4,采用所述训练集对基于BP神经网络的过渡电阻预测模型进行训练;步骤5,从测试集中选出一组数据,用训练好的所述基于BP神经网络的过渡电阻预测模型对训练集进行测试,得出过渡电阻的预测值。本发明专利技术解决了现有技术中存在的测量过渡电阻较为繁琐且难以预测的问题。

A prediction method of transition resistance based on BP neural network

【技术实现步骤摘要】
一种基于BP神经网络的过渡电阻预测方法
本专利技术属于机器学习
,涉及一种基于BP神经网络的过渡电阻预测方法。
技术介绍
随着我国经济的持续发展,城镇化基础设施建设也越来越快,市民在出行的便捷性与快速性需求大幅上升,而其中城市轨道交通建设就显得尤为重要。城市地铁因为其方便出行的特点,已经成为市民出行的首选,地铁直流牵引系统对城市经济发展,缓解交通拥堵起着十分重要的作用。地铁直流牵引系统在运行中会产生一种有害的杂散电流,杂散电流会对系统周围的埋线、通信管线、金属管道产生一种有害的化学电腐蚀,可能会造成元器件的损耗或者造成严重的安全事故,因此对杂散电流的监测十分重要,在事故发生前进行有效的措施,以防止后果严重的安全事故。在理想的情况下,地铁系统中行走轨与大地是完全绝缘的,在这种情况下不需要考虑杂散电流,但是在实际使用中,行走轨与大地之间做不到理想情况下的完全绝缘。因此在地铁运行时会有一定数量的牵引回流通过轨道流入地下,即就是所说的杂散电流。限制城市地铁轨道交通的杂散电流,目前最主流且根本的方法是尽可能的提高地铁走行轨与大地之间的过渡值本文档来自技高网...

【技术保护点】
1.一种基于BP神经网络的过渡电阻预测方法,其特征在于,具体步骤为:/n步骤1,收集地铁的原始数据作为数据集,所述原始数据为地铁的极化电压,轨构电压,偏移量,自然本体和过渡电阻测量值五种数据;/n步骤2,对所述数据集中的数据进行预处理,得到预处理数据集,所述预处理数据集为除去无效测量的数据;之后将所述预处理数据集分为训练集和测试集;/n步骤3,构建基于BP神经网络的过渡电阻预测模型;/n步骤4,采用所述训练集对基于BP神经网络的过渡电阻预测模型进行训练;/n步骤5,从测试集中选出一组数据,用训练好的所述基于BP神经网络的过渡电阻预测模型对训练集进行测试,输入地铁的极化电压,轨构电压,偏移量,自...

【技术特征摘要】
1.一种基于BP神经网络的过渡电阻预测方法,其特征在于,具体步骤为:
步骤1,收集地铁的原始数据作为数据集,所述原始数据为地铁的极化电压,轨构电压,偏移量,自然本体和过渡电阻测量值五种数据;
步骤2,对所述数据集中的数据进行预处理,得到预处理数据集,所述预处理数据集为除去无效测量的数据;之后将所述预处理数据集分为训练集和测试集;
步骤3,构建基于BP神经网络的过渡电阻预测模型;
步骤4,采用所述训练集对基于BP神经网络的过渡电阻预测模型进行训练;
步骤5,从测试集中选出一组数据,用训练好的所述基于BP神经网络的过渡电阻预测模型对训练集进行测试,输入地铁的极化电压,轨构电压,偏移量,自然本体四种数据,得出过渡电阻的预测值。


2.如权利要求1所述的一种基于BP神经网络的过渡电阻预测方法,其特征在于,所述预处理的具体步骤为:
步骤2.1,数据删除:除去原始数据中无效或错误测量的部分;
步骤2.2,数据删除后,进行数据补全:根据多重插补法对正确的数据进行补全。

【专利技术属性】
技术研发人员:孟昭亮张泽涛杨锐高勇杨媛史丹白英志吕亚茹李静宇胡梦阳董志伟
申请(专利权)人:西安工程大学
类型:发明
国别省市:陕西;61

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1