[发明专利]一种直流支撑电容的电容值预测方法及装置

说明书

本发明实施例公开一种直流支撑电容的电容值预测方法及装置。该方法中通过预设组合神经网络模型对待测试数据进行复制得到副本数据，将待测试数据和副本数据中的一者输入至第一长短期记忆网络得到第一时间相关性特征，另一者输入至第一卷积神经网络得到第一空间相关性特征，将第一时间相关性特征输入至第二长短期记忆网络得到第二时间相关性特征，将第一空间相关性特征输入至第二卷积神经网络得到第二空间相关性特征，将第二时间相关性特征和第二空间相关性特征输入至全连接层得到直流支撑电容的电容预测值。本发明中基于预设组合神经网络模型预测得到直流支撑电容的电容预测值，能够适应轨道车辆的实时监测电容值的需要。

技术领域

本发明涉及电容测量技术领域，具体而言，涉及一种直流支撑电容的电容值预测方法及装置。

背景技术

目前，轨道车辆的直流支撑电容是牵引系统的重要器件，需要实时测量电容值以保证轨道车辆的稳定运行。

现有的基于硬件的电容值测量方法，例如专用仪器测量法、交流阻抗计算法和双电压表法等，都需要将被测量的电容单独拆下，或者基于测试要求搭建专用测试电路，利用相关专业设备对电容的电容值进行测量。

上述将电容单独拆下的方式操作复杂，又由于轨道车辆的牵引系统十分复杂和精密，牵引系统各部分互相影响和作用，牵引系统包含的传感器种类多样，使得记录的数据复杂且海量，因此搭建类似的测试电路来测量牵引系统中的直流支撑电容的电容是非常艰难的，需要较长的时间，这使得测量成本高且测量时间长，由此可见，现有技术中的电容测量方法难以适应轨道车辆的实时监测电容值的需要。

发明内容

本发明提供了一种直流支撑电容的电容值预测方法及装置，能够适应轨道车辆的实时监测电容值的需要。具体的技术方案如下。

第一方面，本发明提供了一种直流支撑电容的电容值预测方法，所述方法包括：

获取待测试数据，其中，所述待测试数据中至少包括电容电压、电容电流、电网电压和电网电流；

将所述待测试数据输入至预设组合神经网络模型，通过所述预设组合神经网络模型对所述待测试数据进行复制得到副本数据，将所述待测试数据和所述副本数据中的一者输入至第一长短期记忆网络得到第一时间相关性特征，另一者输入至第一卷积神经网络得到第一空间相关性特征，将所述第一时间相关性特征输入至第二长短期记忆网络得到第二时间相关性特征，将所述第一空间相关性特征输入至第二卷积神经网络得到第二空间相关性特征，将所述第二时间相关性特征和所述第二空间相关性特征输入至全连接层得到直流支撑电容的电容预测值；

其中，所述预设组合神经网络模型包括所述第一卷积神经网络、所述第二卷积神经网络、所述第一长短期记忆网络、所述第二长短期记忆网络和所述全连接层，所述第一长短期记忆网络与所述第二长短期记忆网络连接，所述第一卷积神经网络与所述第二卷积神经网络连接，所述第二长短期记忆网络和所述第二卷积神经网络均与所述全连接层连接。

可选的，所述第一卷积神经网络包括第一卷积层、第一最大池化层和第一激活层，所述第二卷积神经网络包括第二卷积层、第二最大池化层和第二激活层，所述将另一者输入至第一卷积神经网络得到第一空间相关性特征，将所述第一空间相关性特征输入至第二卷积神经网络得到第二空间相关性特征的步骤，包括：

将另一者输入至所述第一卷积层，得到第一卷积特征；

将所述第一卷积特征输入至所述第一最大池化层，得到第一最大池化后特征；

将所述第一最大池化后特征输入至所述第一激活层，得到第一空间相关性特征；

将所述第一空间相关性特征输入至所述第二卷积层，得到第二卷积特征；

将所述第二卷积特征输入至所述第二最大池化层，得到第二最大池化后特征；

将所述第二最大池化后特征输入至所述第二激活层，得到第二空间相关性特征。