基于时序数据的列车牵引系统故障预测方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要： 牵引系统作为列车动能转换的关键模块，如果发生故障会给整车正常运行带来重大安全隐患，所以对其进行故障预测具有重要意义。然而，传统预测方法存在高度依赖人工经验判断、不能包含大量故障特征、预测精度不足等问题。为此，文中提出一种基于时序数据的故障预测方法。利用XGBoost算法对列车牵引变流器系统的故障特征进行计算和筛选，确定与变流器故障相关性较强的关键特征；采用贝叶斯优化的LSTM模型自适应地学习多源变量数据特征，利用时间窗对特征变量数据进行截取，实现对不同类型故障的预测。（剩余10255字）

试读结束

目录
monitor