买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西南交通大学申请的专利一种受电弓碳滑板摩擦磨损特性预测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120724712B 。

龙图腾网通过国家知识产权局官网在2025-11-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511178629.X，技术领域涉及：G06F30/20；该发明授权一种受电弓碳滑板摩擦磨损特性预测方法及系统是由高国强;陈锦慧;傅荣;王青松;程帆;刘汶佶;杨泽锋;黄桂灶;吴广宁设计研发完成，并于2025-08-22向国家知识产权局提交的专利申请。

本一种受电弓碳滑板摩擦磨损特性预测方法及系统在说明书摘要公布了：本发明提供了一种受电弓碳滑板摩擦磨损特性预测方法及系统，涉及铁路维护技术领域，包括获取受电弓碳滑板摩擦磨损数据信号集；构建受电弓碳滑板摩擦磨损物理模型；将所述数据信号集发送至受电弓碳滑板摩擦磨损物理模型进行处理，得到受电弓碳滑板摩擦磨损特性数据集；将所述受电弓碳滑板摩擦磨损特性数据集进行归一化处理，并基于归一化处理后的数据集建立物理模型嵌入的深度神经网络模型；将所述深度神经网络模型进行优化，并建立具有物理解释性的迭代优化框架，得到对受电弓碳滑板摩擦磨损特性实时预测的预测模型。本发明为高速列车受电弓碳滑板摩擦磨损特性的实时监测与预测提供了一种高效且可靠的解决方案。

本发明授权一种受电弓碳滑板摩擦磨损特性预测方法及系统在权利要求书中公布了：1.一种受电弓碳滑板摩擦磨损特性预测方法，其特征在于，包括： 获取受电弓碳滑板摩擦磨损数据信号集； 基于所述受电弓碳滑板摩擦磨损数据信号集，构建受电弓碳滑板摩擦磨损物理模型； 将所述数据信号集发送至受电弓碳滑板摩擦磨损物理模型进行处理，得到受电弓碳滑板摩擦磨损特性数据集； 将所述受电弓碳滑板摩擦磨损特性数据集进行归一化处理，并基于归一化处理后的数据集建立物理模型嵌入的深度神经网络模型，所述模型包含物理信息约束项和数据拟合项的双重损失函数； 将所述深度神经网络模型进行优化，并建立具有物理解释性的迭代优化框架，得到对受电弓碳滑板摩擦磨损特性实时预测的预测模型； 其中，受电弓碳滑板摩擦磨损物理模型包含机械磨损和电弧磨损项； 机械磨损量通过以下关系式计算： ； 其中,为机械磨损量；为摩擦热，表示熔化磨损的能量来源，熔化磨损为；为黏着磨损；为摩擦系数；为接触压力；为滑动速度；为运行时间；为滑板材料的熔化热；为磨损系数；为滑动距离；为滑板材料的硬度； 电弧磨损量通过以下关系式计算： ； 其中，为电弧磨损量；为电弧能量；和分别为电弧发生时的电压和电流，随时间变化；为滑板材料的升华热；为修正系数；为电弧持续时间； 其中,将所述受电弓碳滑板摩擦磨损特性数据集进行归一化处理，并基于归一化处理后的数据集建立物理模型嵌入的深度神经网络模型，包括： 基于线性归一化方法将所述受电弓碳滑板摩擦磨损特性数据集进行归一化，并将归一化处理后的数据集按8:1:1的比例分为训练集、验证集和测试集； 基于训练集、验证集和测试集搭建深度神经网络模型，并融合所述物理模型，构建包含物理信息约束项和数据拟合项的双重损失函数； 其中,将所述深度神经网络模型进行优化，包括： 将所述双重损失函数作为优化目标，通过多阶段混合训练机制分步优化特征提取和时序预测能力，并结合超参数敏感性分析确定模型参数可行域； 在所述模型参数可行域内，利用物理信息引导的麻雀搜索算法实现超参数自适应寻优，得到优化后的神经网络模型； 其中，双重损失函数关系式定义为： ； 其中，是神经网络参数，输入参数信号集数据，为数据拟合项，其中为真实磨损量，为预测模型输出的磨损量，为样本数；为物理信息约束项，和为计算得到的机械磨损量和电弧磨损量，和为预测模型输出的对应值；为权重系数，用于平衡数据拟合与物理约束。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西南交通大学，其通讯地址为：610031 四川省成都市金牛区二环路北一段111号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。