基于時序數據的列車牽引系統(tǒng)故障預測方法

打開文本圖片集

摘  要： 牽引系統(tǒng)作為列車動能轉換的關鍵模塊，如果發(fā)生故障會給整車正常運行帶來重大安全隱患，所以對其進行故障預測具有重要意義。然而，傳統(tǒng)預測方法存在高度依賴人工經驗判斷、不能包含大量故障特征、預測精度不足等問題。為此，文中提出一種基于時序數據的故障預測方法。利用XGBoost算法對列車牽引變流器系統(tǒng)的故障特征進行計算和篩選，確定與變流器故障相關性較強的關鍵特征；采用貝葉斯優(yōu)化的LSTM模型自適應地學習多源變量數據特征，利用時間窗對特征變量數據進行截取，實現對不同類型故障的預測。（剩余10255字）