论文部分内容阅读
自铁路运输发展伊始,铁路货车就承担起了大宗货物运输的重担。滚动轴承作为关键部件,对铁路货车的安全运行产生重大影响。近年来,我国铁路货车进入大规模维护时期。在维护过程中存在过度修的问题,造成货车运输效率的降低和维修成本的增加。随着货车组调度密度的不断增大,迫切需要实现“计划修”到“状态修”的转变,即对关键零部件进行状态预测,进而有效地提高铁路货车的运维效率并减少维修成本。目前,现有铁路货车滚动轴承温度变化预测模型存在预测精度低的不足。本论文以滚动轴承运行过程中累积的数据为核心,根据铁路货车滚动轴承温度数据具有的非线性、高离散性等数据特点及相关对比实验,选择相关向量机(RVM)预测算法为本文的研究基础。为基于RVM算法构建有效的铁路货车滚动轴温度状态预测模型,本文主要进行了下面几点研究:(1)采用数据清洗、融合、降维等数据处理方法对数据进行预处理,有效的解决了采集到的数据中存在的以下问题:部分关键数据缺失、存在无效数据、数据处于多个不同数据源、数据维度过大,为预测算法的选取及构建模型奠定了数据基础。(2)提出HRVM算法。本文采用混合核函数的方式,利用所得核函数具备多种函数特征的优势,进而有效地提高预测结果的精度。本文根据铁路货车滚动轴承温度数据的数据特点选定拉普拉斯函数及二次多项式以一定的权重进行线性组合,形成混合核函数。将传统RVM算法中的核函数替换为该混合核函数,并提出HRVM算法。最后,选取一定数量的真实数据对模型进行验证,实验表明HRVM算法预测精度高于传统RVM算法。(3)采用ICPSO算法对HRVM算法的超参数进行寻优,提出了具有较高预测精度的ICPSO-HRVM算法。该算法解决了 HRVM算法超参数初始化的过程中存在随机性、易早熟的问题,进而提高模型预测精度。混沌粒子群(CPSO)算法未全面解决陷入局部最优解的问题,故扩大混沌思想的引入范围。并针对CPSO算法中映射不均匀的缺点,采用遍历较为均匀的余弦函数作为映射函数,形成本文ICPSO参数优化算法。对ICPSO算法进行对比实验验证,实验结果表明参数优化算法的早熟现象有所改善。基于ICPSO-HRVM算法构建可视化滚动轴承温度状态预测模型并进行对比实验,表明本文算法预测精度高于传统算法。