發(fā)布時間：2024-06-30 18:33

　　軸承溫度實時監(jiān)控和預(yù)測是保障高速列車安全運行的重要手段。GM(1,1)模型具有建模樣本量小、計算效率和精度高等優(yōu)點,適用于軸溫的實時預(yù)測。但在基于GM(1,1)模型的軸溫預(yù)測中存在兩個問題:1.用于建模的軸溫監(jiān)測數(shù)據(jù)是離散整型,平滑性欠佳,導(dǎo)致預(yù)測精度不高;2.由于GM(1,1)模型在本質(zhì)上是指數(shù)函數(shù),具有單調(diào)性,導(dǎo)致在軸溫升降趨勢變化的拐點處預(yù)測誤差較大。為此,提出一種基于灰色二次回歸的軸溫實時預(yù)測模型:首先將采集到的軸溫數(shù)據(jù)進行迭代三次的滑動平均處理,再將GM(1,1)模型和二次多項式進行融合重構(gòu),并采用最小二乘法求取重構(gòu)后模型的參數(shù)值。應(yīng)用該模型對某高速列車的后序5分鐘軸溫進行實時預(yù)測,結(jié)果表明:在軸溫先升后降、先降后升和連續(xù)波動的樣本中該模型比GM(1,1)模型的預(yù)測誤差分布更集中且數(shù)值更小;在不同通道類型的連續(xù)波動樣本中,這里模型的預(yù)測結(jié)果均好于GM(1,1)模型,驗證了模型的通用性。

【文章頁數(shù)】：5 頁


本文編號：3998912