列车预充电接触器电寿命预测OA

预充电接触器作为列车牵引系统中预充电回路的核心开关器件,其寿命直接影响列车运行安全。本研究针对TZCH-40D型预充电接触器开展电寿命预测研究,通过模拟其实际工况搭建电寿命老化试验平台,同步采集线圈、辅助触头及主触头的多维度电信号数据。研究发现,单一特征参数难以全面反映接触器的退化过程,因此提出一种融合极端梯度提升(xtreme gradient boosting,XGBoost)与长短期记忆神经网络(long short-term memory,LSTM)的Stacking集成模型,充分结合XGBoost模型的特征处理能力与LSTM模型的时序分析优势,为牵引系统的智能运维提供理论支撑。首先,系统分析了预充电接触器的内部结构与动作机理,明确了其主要失效模式。其次,结合预充电回路实际工况及负载特性,设计加速老化实验方案,采用20 kHz高频数据采集技术获取全寿命周期电信号数据,提取与寿命强相关的时间域和电气特征参数。基于灰色关联分析法计算特征间及特征与寿命的关联度,通过灰熵值进行冗余特征筛选,确定关键输入特征。随后在底层分别构建XGBoost与LSTM单模型,在上层采用Stacking集成学习预测模型,最后在验证集上得到最终的预测结果,模型参数通过自适应方法确定。实验结果表明,在预充电接触器动作寿命1万次条件下,融合模型的平均绝对误差为450次,相对误差仅为0.5625%(基于8万次额定电寿命)。随着老化数据积累,预测精度呈现持续提升趋势。该研究为预充电接触器剩余寿命评估提供了新方法,对提升列车牵引系统可靠性具有重要意义。