[发明专利]基于机器学习的弓网接触控制方法

权利要求书

1.一种基于机器学习的弓网接触控制方法，其特征在于包括如下步骤：

步骤S1：在列车受电弓主体与碳滑板之间安装作动器，所述作动器用于驱动碳滑板上下运动，设置传感器用于检测碳滑板与接触网之间的弓网接触力；

步骤S2：构建机器学习模块，所述机器学习模块以列车的行车位置及与所述行车位置对应的行车状态数据为输入，以作动器的控制参数为输出，以传感器检测到的弓网接触力为优化依据；

步骤S3：列车在行车区间运行并通过作动器调节弓网接触力，所述机器学习模块根据行车位置和行车状态数据生成作动器的控制参数，所述作动器根据所述控制参数进行输出以调节弓网接触力，所述传感器检测弓网接触力并反馈给所述机器学习模块，所述机器学习模块根据反馈进行自身优化。

2.如权利要求1所述的基于机器学习的弓网接触控制方法，其特征在于：

所述步骤S3包括：

步骤S31：列车在行车区间首次运行时保持作动器静止并通过传感器检测与行车位置对应的弓网接触力，计算弓网接触力与标准弓网接触力的差值得到接触力残差；

步骤S32：列车在行车区间第二次运行时通过作动器调节弓网接触力，所述机器学习模块根据行车位置和行车状态数据生成作动器的控制参数，所述作动器根据所述控制参数进行输出以期减小所述接触力残差，所述传感器检测弓网接触力以计算新的接触力残差并反馈给机器学习模块，所述机器学习模块根据反馈进行自身优化；

步骤S33：列车在行车区间第三次及以后各次运行时重复步骤S32所述的第二次运行时的操作。

3.如权利要求1或2所述的基于机器学习的弓网接触控制方法，其特征在于：所述作动器为音圈电机，所述控制参数为音圈电机的电流和/或电压。

4.如权利要求1或2所述的基于机器学习的弓网接触控制方法，其特征在于：所述行车状态数据包括行车速度、环境温度、环境风速的一种或几种。

5.如权利要求1或2所述的基于机器学习的弓网接触控制方法，其特征在于：

所述机器学习模块采用RBF或者BP神经网络。

6.如权利要求1所述的基于机器学习的弓网接触控制方法，其特征在于：在所述受电弓主体的末端设有横梁，横梁两端分别垂直安装有支撑板，在支撑板的两端安装所述作动器，所述碳滑板的两端分别被作动器支撑。