基于模糊分类的受电弓预测维护

资源内容介绍

本文提出一种基于模糊分类器的预测性维护方法，用于铁路系统中受电弓-接触网的状态监测与故障预警。通过物联网平台ThingSpeak实时采集摄像头与温度传感器数据，结合图像相关性分析与温度特征提取，构建健康状态评估模型。利用Matlab仿真生成1000组带标签数据，采用小波去噪与霍夫变换优化图像处理。模糊分类器以平均相关系数和平均温度为输入，输出健康、磨损、故障三类状态，并通过ROC分析验证性能，灵敏度达0.968，准确率0.939。研究表明，该方法能有效预测剩余使用寿命，实现按需维护，降低运维成本，提升运输安全。成果适用于智能轨道交通系统的自动化监测场景。