基于物理信息神经网络的地铁继电器剩余寿命预测方法

本发明涉及城轨车辆继电器健康管理与剩余寿命预测技术领域，具体为基于物理信息神经网络的地铁继电器剩余寿命预测方法，包括采集地铁继电器多源时序监测数据并进行预处理；建立包括触点磨损动力学、电弧烧蚀老化及机械疲劳衰减的退化物理机理模型并设定约束条件；构建全连接深度神经网络架构的物理信息神经网络，将退化物理机理模型及约束条件嵌入损失函数，该损失函数由数据拟合损失、物理残差损失和边界约束损失构成；利用标准化数据集训练网络；将实时数据输入训练完成的模型，输出退化健康度与剩余寿命预测值。本发明融合物理机理与数据驱动优势，在小样本变工况下实现高精度剩余寿命预测，支撑城轨车辆预测性维护。