轨道交通断路器作为断开和接通车辆主电路与接触网高压连接的设备,其智能化操作成为热点研究课题。同步控制技术作为断路器智能化操作的内容之一,在实际应用方面有着重要的意义。为满足同步控制的精度、减小动作时间的分散性,需对断路器操动机构动作时间进行补偿。目前,大多数的断路器同步控制系统对动作时间补偿时,只考虑了控制电压和温度这两个因素对动作时间的影响,而没有落实到具体的电路参数,并且现有的时间补偿算法都是批量学习算法,无法对触头磨损以及机械结构老化引起的分合闸时间变化进行补偿。本文以轨道交通断路器电磁操动机构为研究对象,提出了一种结合在线参数辨识的贝叶斯网络动作时间补偿方法。本文首先分析了轨道交通断路器电磁操动机构的工作原理和动态特性,确定了电磁操动机构分合闸时间的影响因素。利用递推最小二乘辨识算法对影响电磁操动机构分合闸时间的电路参数进行辨识,对参数辨识的辨识精度和收敛速度进行了仿真分析,验证了在线参数辨识算法的可靠性。在参数辨识的基础上,利用贝叶斯网络对断路器电磁操动机构分合闸时间进行了预测。在Matlab中搭建贝叶斯网络动作时间预测模型,将模型预测结果与只考虑控制电压和温度的BP神经网络模型的预测结果进行对比,通过比较平均绝对误差和均方根误差,发现贝叶斯网络模型的预测值更接近真实值,表明了结合在线参数辨识的贝叶斯网络模型预测动作时间的精准性优于BP神经网络模型。利用贝叶斯网络增量学习特性,根据新增数据动态的调整贝叶斯网络动作时间预测模型,模型的预测误差始终保持在0.25ms以内,验证了贝叶斯网络预测模型能够对触头磨损引起的分合闸时间变化进行补偿。