[发明专利]一种基于BP神经网络的过渡电阻预测方法

说明书

本发明公开一种基于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。

技术领域

本发明属于机器学习技术领域，涉及一种基于BP神经网络的过渡电阻预测方法。

背景技术

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。

杂散电流防护中不能忽略的一个重要因素就是过渡电阻值，现有两种钢轨的过渡电阻值测量方法：

(1)正线钢轨过渡电阻测试方法：城市轨道正线钢轨过渡电阻测试方法根据国标GB/T 28026.2-2011和欧标EN50122-2:2010的介绍，地铁系统区域内正线单位长度钢轨过渡电阻:

ΔU＝U_on-U_off (2)

I为区间中间点注入电流；I_RA、I_RB为轨道左右两侧流出的电流；U_RS为中间注入点钢轨对杂散电流收集网电压；U_RAS、U_RBS为两端钢轨对杂散电流收集网电压；L为测试区间长度；U_on、U_off分别为注入和不注入电流时测得的电压；G_RS为测试区段钢轨的电导。

(2)出入线碎石道床过渡电阻测试方法：对于出入线碎石道床过渡电阻的测试方法，欧标EN50122-2:2010在EN 50122-2:1998的基础上有细微的改动。EN50122-2:1998中电压表负极距钢轨距离要求大于等于20m，EN50122-2:2010将原要求改为大于等于30m。我国的碎石道床处一般增设单向导通装置，测量过程中应该将其解除避免对测量的影响。区间内碎石道床过渡电阻R_RE为:

U_RE为钢轨对地电压；I为测试点注入电流；L为咽喉处绝缘节到库前绝缘节的距离。

综合国内外文献来看，影响杂散电流的因素众多，而轨地过渡电阻在很大程度上影响杂散电流，而通过工程人员实地测量过渡电阻过于繁琐不便，且地铁沿线因地形不同，轨道过渡电阻可能会不均匀，更加增加了测量难度，因而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。

发明内容