-
公开(公告)号:CN119827004A
公开(公告)日:2025-04-15
申请号:CN202411586298.9
申请日:2024-11-08
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于RBF神经网络的高铁牵引水冷系统的温度监测系统,属IoT和智能传感器领域,解决传感器精度低巡检效率低问题。包括多个水冷系统温度传感器,安装于高铁牵引系统各牵引变流器水冷系统的出水口处,用于对水冷系统的温度实时监测,获得所在水冷系统的当前温度;处理器,利用基于改进粒子群的RBF神经网络对所述温度传感器监测到的各水冷系统的当前温度进行非线性误差温度补偿获得补偿后的温度值,判断所有补偿后的温度值是否均位于预设温度范围内,若否,则发送预警指令至预警模块;预警模块,用于基于所述预警指令进行对应预警。实现水冷系统的温度精确高效监测。
-
公开(公告)号:CN119643000A
公开(公告)日:2025-03-18
申请号:CN202411586297.4
申请日:2024-11-08
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于RBF神经网络的高铁牵引系统电机温度监测装置,属智能传感领域,解决传感器精度低预警误报率高问题。包括多个牵引电机温度传感器分布于每个电机中,用于电机温度实时测量,获得当前电机温度传至微处理器;微处理器利用基于改进粒子群的RBF神经网络对传感器监测到当前电机温度进行非线性误差温度补偿获得补偿后的电机温度值,判断所有补偿后的温度值是否小于第一温度阈值,若否则发送第一预警指令至预警模块,对高铁集控中心发送降速指令并向补偿后的温度值超出预设温度阈值的电机对应送风机发信号降温;若所有补偿后的温度值中任一个均大于等于第二温度阈值发送停车指令;预警模块基于预警指令预警。实现温度精确监测。
-
公开(公告)号:CN119089157A
公开(公告)日:2024-12-06
申请号:CN202411586302.1
申请日:2024-11-08
Applicant: 北京理工大学
IPC: G06F18/20 , G06F18/214 , G06N3/006 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于改进粒子群的RBF网络非线性温度误差补偿方法,属温度传感器结合深度学习领域,解决了现有温度传感器的非线性温度误差补偿问题。包括获取温度传感器分度表数据作为样本数据集;初始化RBF神经网络模型;利用改进粒子群算法对RBF的扩展速度参数进行寻优,获得群体最优位置传递给RBF进行扩展速度参数更新,利用样本数据集中的训练集对更新参数后的RBF进行训练;利用样本数据集中的测试集进行验证,若验证不通过,则返回利用改进粒子群算法对RBF的扩展速度参数进行寻优的步骤,直至验证通过,获得训练好的RBF神经网络模型作为温度传感器补偿网络;基于温度传感器及温度传感器补偿网络获得补偿后的温度值。实现传感器非线性温度误差补偿。
-
-