一种基于多元回归模型的高速列车动态轴温预测方法技术

本发明专利技术公开了一种基于多元回归模型的高速列车动态轴温预测方法，具体按照以下步骤实施：步骤1、对列车的原始数据进行分类；步骤2：对步骤1进行分类后的数据进行分区处理；步骤3：对步骤2得到的分区处理后的数据建立轴温分析的流模型；步骤4：对步骤3得到的流模型进行检验，本发明专利技术解决了现有技术中存在的能基于轴温变化机理实现车轴温度预测的问题。

【技术实现步骤摘要】

本专利技术属于高速列车数据预测
，具体涉及一种基于多元回归模型的高速列车动态轴温预测方法。
技术介绍
近几年来，随着铁路四纵四横线路的日渐完善，火车成为了大多数人出行的首选，而高铁因其方便、快捷、安全、准点等优势更加受到出行人士的青睐。截止到2015年底我国的高铁运营里程达到1.9万公里，居世界第一，占世界高铁总里程的60％以上。随着我国高速列车的快速发展，运营里程的不断增加，高速列车的安全问题备受关注，其中车轴的安全尤为重要。列车在行驶过程中常因列车轴温过高而造成机车破损、机车故障，甚至造成重大的列车出轨事故，因而轴温成为车轴故障检测的核心指标。由于影响车轴的因素复杂，例如轴承产生热轴的主要原因有：轴承内圈或保持架崩裂，润滑油质量不符合标准要求，润滑油稠度过高，机构装配过紧，负载过大等，使得基于机理的车轴温度预测尚无解决办法。针对此问题，基于大数据和数据挖掘的思路，转因果分析为相关关系分析，在对数据进行预处理的过程中，发现列车轴温与速度v、一个起停阶段的初始轴温值T0、环境温度C、运行时间t以及载重L有明显的关系。
技术实现思路
本专利技术的目的是提供一种基于多元回归模型的高速列车动态轴温预测方法，解决了现有技术中存在的能基于轴温变化机理实现车轴温度预测的问题。本专利技术所采用的技术方案是，一种基于多元回归模型的高速列车动态轴温预测方法，具体按照以下步骤实施：步骤1、对列车的原始数据进行分类；步骤2：对步骤1进行分类后的数据进行分区处理；步骤3：对步骤2得到的分区处理后的数据建立轴温分析的流模型；步骤4：对步骤3得到的流模型进行检验。本专利技术的特点还在于，步骤1具体按照以下步骤实施：步骤(1.1)、采集列车原始轴温数据，放入集合“Num.1”中，列车原始轴温数据包括：列车速度v、轴温T、每个起停阶段的初始轴温T0、环境温度C、运行时间t以及载重L；步骤(1.2)、将所述步骤(1.1)中采集到的列车原始轴温数据集合“Num.1”按照速度分割为n个起停阶段，每个起停阶段均包括n个加速阶段、n个平稳运行阶段和n个减速阶段；步骤(1.3)、将步骤(1.2)中的n个加速阶段的数据放入集合“Num.2”中的表sheet1中，然后将表sheet1重命名为“加速阶段”，将n个平稳运行阶段的数据放入集合“Num.2”中的表sheet2中，然后将sheet2重命名为“平稳运行阶段”，将n个减速阶段的数据放入集合“Num.2”中的表sheet3中，然后将表sheet3重命名为“减速阶段”。步骤(1.1)中n＝9。步骤2具体按照以下步骤实施：对于步骤1中的“Num.2”中三个运行阶段的运行时间点t，令t＝random(10)，随机产生一个0～10的随机数赋给变量t，若t＞3则为“真”，否则为“假”，且导出包含t＞3对应的变量作为“训练样本”数据集，导出不包含t＞3对应的变量作为“测试样本”数据集，以此方法将会分别得到“加速训练样本.xls”,“平稳训练样本.xls”，“减速训练样本.xls”，“加速测试样本.xls”，“平稳测试样本.xls”，“减速测试样本.xls”。步骤3具体按照以下步骤实施：步骤(3.1)、预测变量的相关性：对经过所述步骤2处理后的“加速训练样本.xls”,“平稳训练样本.xls”及“减速训练样本.xls”中的预测变量进行相关性分析，即速度v、每个起停阶段的初始轴温T0、环境温度C、运行时间t以及载重L与轴温T之间的相关性系数，其依据如下： r = NΣx i y i - Σx i Σy i NΣx i 2 - ( Σx i ) 2 NΣy i 2 - ( Σy i ) 2 ]]>其中，N为变量的个数，xi为自变量，yi为因变量——轴温T，r为皮尔逊Pearson相关系数，当(1)0.8≤r≤1时，变量为极强相关；(2)0.6≤r＜0.8时，变量为强相关；(3)0.4≤r＜0.6时，变量为中等程度相关；(4)0.2≤r＜0.4时，变量为弱相关；(5)0.0≤r＜0.2时，变量为极弱相关或者无相关，因为影响轴温的因素较多，故能够根据相关系数r剔除掉极弱相关或者无关的影响因素；步骤(3.2)、回归系数的计算：对经过步骤2处理后得到的三个阶段的训练样本数据进行回归分析，样本回归模型的矩阵表示为其中，e为因变量的实测值与估计值之差，为偏回归系数，表示当其他自变量取值固定时，自变量xi每改变一个单位时yi的变化量，将三个运行阶段中的变量速度v(x1i)、每个起停阶段的初始轴温T0(x2i)、环境温度C(x3i)、运行时间t(x4i)以及载重L(x5i)作为回归模型中的自变量xki，且生成自变量矩阵X如下： X = ( x 1 i ) 本文档来自技高网...

【技术保护点】
一种基于多元回归模型的高速列车动态轴温预测方法，其特征在于，具体按照以下步骤实施：步骤1、对列车的原始数据进行分类；步骤2：对所述步骤1进行分类后的数据进行分区处理；步骤3：对所述步骤2得到的分区处理后的数据建立轴温分析的流模型；步骤4：对所述步骤3得到的流模型进行检验。

【技术特征摘要】
1.一种基于多元回归模型的高速列车动态轴温预测方法，其特征在于，具体按照以下步骤实施：步骤1、对列车的原始数据进行分类；步骤2：对所述步骤1进行分类后的数据进行分区处理；步骤3：对所述步骤2得到的分区处理后的数据建立轴温分析的流模型；步骤4：对所述步骤3得到的流模型进行检验。2.根据权利要求1所述的一种基于多元回归模型的高速列车动态轴温预测方法，其特征在于，所述步骤1具体按照以下步骤实施：步骤(1.1)、采集列车原始轴温数据，放入集合“Num.1”中，列车原始轴温数据包括：列车速度v、轴温T、每个起停阶段的初始轴温T0、环境温度C、运行时间t以及载重L；步骤(1.2)、将所述步骤(1.1)中采集到的列车原始轴温数据集合“Num.1”按照速度分割为n个起停阶段，每个起停阶段均包括n个加速阶段、n个平稳运行阶段和n个减速阶段；步骤(1.3)、将所述步骤(1.2)中的n个加速阶段的数据放入集合“Num.2”中的表sheet1中，然后将表sheet1重命名为“加速阶段”，将n个平稳运行阶段的数据放入集合“Num.2”中的表sheet2中，然后将sheet2重命名为“平稳运行阶段”，将n个减速阶段的数据放入集合“Num.2”中的表sheet3中，然后将表sheet3重命名为“减速阶段”。3.根据权利要求2所述的一种基于多元回归模型的高速列车动态轴温预测方法，其特征在于，所述步骤(1.1)中n＝9。4.根据权利要求1所述的一种基于多元回归模型的高速列车动态轴温预测方法，其特征在于，所述步骤2具体按照以下步骤实施：对于所述步骤1中的“Num.2”中三个运行阶段的运行时间点t，令t＝random(10)，随机产生一个0～10的随机数赋给变量t，若t＞3则为“真”，否则为“假”，且导出包含t＞3对应的变量作为“训练样本”数据集，导出不包含t＞3对应的变量作为“测试样本”数据集，以此方法将会分别得到“加速训练样本.xls”,“平稳训练样本.xls”，“减速训练样本.xls”，“加速测试样本.xls”，“平稳测试样本.xls”，“减速测试样本.xls”。5.根据权利要求1所述的一种基于多元回归模型的高速列车动态轴温预测方法，其特征在于，所述步骤3具体按照以下步骤实施：步骤(3.1)、预测变量的相关性：对经过所述步骤2处理后的“加速训练样本.xls”,“平稳训练样本.xls”及“减速训练样本.xls”中的预测变量进行相关性分析，即速度v、每个起停阶段的初始轴温T0、环境温度C、运行时间t以及载重L与轴温T之间的相关性系数，其依据如下： r = NΣx i y i - Σx i Σy i NΣx i 2 - ( Σx i ) 2 NΣy i 2 - ( Σy i ) 2 ]]>其中，N为变量的个数，xi为自变量，yi为因变量——轴温T，r为皮尔逊Pearson相关系数，当(1)0.8≤r≤1时，变量为极强相关；(2)0.6≤r＜0.8时，变量为强相关；(3)0.4≤r＜0.6时，变量为中等程度相关；(4)0.2≤r＜0.4时，变量为弱相关；(5)0.0≤r＜0.2时，变量为极弱相关或者无相关，因为影响轴温的因素较多，故能够根据相关系数r剔除掉极弱相关或者无关的影响因素；步骤(3.2)、回归系数的计算：对经过所述步骤2处理后得到的三个阶段的训练样本数据进行回归分析，样本回归模型的矩阵表示为其中，e为因变量的实测值与估计值之差，为偏回归系数，表示当其他自变量取值固定时，自变量xi每改变一个单位时yi的变化量，将三个运行阶段中的变量速度v(x1i)、每个起停阶段的初始轴温T0(x2i)、环境温度C(x3i)、运行时间t(x4i)以及载重L(x5i)作为回归模型中的自变量xki，且生成自变量矩阵X如下： X = ( x 1 i ) T ( x 2 i ) T ... ( x k i ) T ]]>上式中，k为自变量的个数，i为每个自变量包含的元素数，将轴温T(yi)作为回归模型中的因变量yi，且生成包含所有目标集的k维向量Y如下： Y = y 1 y 2 ... ...

【专利技术属性】
技术研发人员：谢国，王竹欣，叶闽英，陶大羽，黑新宏，钱富才，鲁晓锋，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61