科创中国
基于Bagging框架SVM继电器贮存寿命预测方法
成果类型：: 发明专利
发布时间: 2026-04-16 10:50:17
科技成果产业化落地方案
方案提交机构：成果发布人| 徐景新 | 2026-04-16 10:50:18
本发明属于继电器贮存寿命预测算法优化领域，具体地说，是一种基于Bagging框架的SVM电磁继电器贮存寿命预测方法,主要分为两个部分，第一个部分是有放回的采样Bootstrap，第二个部分是融合Aggregating，其中的模型训练使用SVM算法，利用Bagging和SVM在处理小样本数据方面的优势，解决小样本数据寿命预测难以估算和精度不高的问题。用Bagging框架进行数据的采样以及融合，每一个子模型运用SVM进行样本数据训练，通过改进后的算法，可以提高继电器小样本数据贮存寿命预测的精度，减小误差，避免过拟合。以此训练出更精确的预测模型对电磁继电器的贮存寿命进行预测。为电磁继电器的贮存可靠性研究提供一种新的思路，对系统的可靠性研究也有着重要的意义。
该预测方法的核心技术在于“退化特征提取-Bagging集成-置信区间构建”三层架构。首先从继电器接触电阻、吸合时间、超程等关键参数中提取反映退化过程的时域与频域特征，通过主成分分析降维消除冗余。随后构建Bagging集成框架：采用Bootstrap采样生成多个子训练集，为每个子集训练独立的SVM回归模型，核函数选用径向基核，通过网格搜索优化惩罚系数与核宽度。最后对所有子模型预测结果进行平均得到最终寿命值，并基于子模型预测分布计算置信区间。方法对不同批次、不同贮存条件的继电器具有良好适应性。
该方法可广泛应用于航空航天、轨道交通、电力系统及武器装备等领域中电磁继电器、接触器等关键电气元件的贮存寿命预测与健康管理。特别适用于无法进行实时监测、依赖定期抽检的高价值备件及长期贮备装备。随着装备全寿命周期管理理念深化及可靠性要求提升，对高精度贮存寿命预测技术的需求持续增长。该方法还可拓展至电容器、连接器等其他电子元器件的寿命预测，以及锂电池健康状态评估等领域，具备广阔的应用前景。
江苏科技大学坐落于风景秀丽的江苏省镇江市，是一所以工科为主，特色鲜明的多科性大学。学校前身是1933年创办的上海大公职业学校，历经多次更名与整合，现为江苏省重点建设高校。学校以船舶与海洋工程、海洋装备及机械、焊接技术等专业为特色，素有“中国造船工程师摇篮”的美誉。校园环境优美，教学科研设施先进，设有多个博士后科研流动站及博士、硕士学位授权点。学校坚持产学研结合，为我国船舶工业、国防军工及地方经济社会发展培养了大批高素质专业人才，在行业内享有盛誉。
本成果产生的效益显著。可靠性效益上，为继电器更换与维护提供量化依据，避免过早更换造成的浪费或过晚更换导致的任务失效，提升系统任务可靠性。经济效益上，精确的寿命预测使备件储备量降低20%-30%，减少库存成本；延长了继电器实际使用寿命，降低了全周期运维开支。安全效益上，减少因继电器失效引发的设备故障与安全事故风险。技术效益上，建立了小样本条件下集成学习与退化模型相结合的预测范式。产业层面，增强了我国在关键电子元器件寿命评估领域的自主创新能力，为高端装备可靠性设计提供技术支撑。
技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地，希望具备此项技术研发的技术方，能够尽快承接此项目。
下载app