申请/专利权人：同济大学

申请日：2023-12-29

公开（公告）日：2024-04-02

公开（公告）号：CN117807881A

主分类号：G06F30/27

分类号：G06F30/27;G06N3/084;G06F30/17

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明涉及一种基于LM‑BP神经网络的等效锥度预测方法、电子设备和介质，方法包括采集车轮踏面的凹磨参数，输入预先构建并训练好的LM‑BP神经网络中，得到所述车轮踏面的等效锥度；凹磨参数包括凹磨位置W1、凹磨深度W2和凹磨宽度W3，采集方式为：测量车轮踏面的廓形数据，将测量的车轮踏面的廓形数据与新车轮踏面的廓形数据相减，得到车轮踏面的磨耗分布曲线，将磨耗分布曲线中最大磨耗深度所对应的横向位置作为凹磨位置W1，最大磨耗深度作为凹磨深度W2，磨耗量分布的宽度作为凹磨宽度W3。与现有技术相比，本发明计算过程操作简单、耗时短、准确率高并且计算成本低。

主权项：1.一种基于LM-BP神经网络的等效锥度预测方法，其特征在于，采集车轮踏面的凹磨参数，输入预先构建并训练好的LM-BP神经网络中，得到所述车轮踏面的等效锥度；所述凹磨参数包括凹磨位置W1、凹磨深度W2和凹磨宽度W3，采集方式为：测量车轮踏面的廓形数据，将测量的车轮踏面的廓形数据与新车轮踏面的廓形数据相减，得到车轮踏面的磨耗分布曲线，将磨耗分布曲线中最大磨耗深度所对应的横向位置作为凹磨位置W1，最大磨耗深度作为凹磨深度W2，磨耗量分布的宽度作为凹磨宽度W3。

全文数据：

权利要求：

百度查询： 同济大学 基于LM-BP神经网络的等效锥度预测方法、电子设备和介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD