一种基于多状态模型融合的高速列车轴温在线估计方法技术

本发明专利技术的公开了一种基于多状态模型融合的高速列车轴温在线估计方法，具体按照以下步骤实施：首先基于随机森林RF分别建立列车在加速、平稳运行和减速状态下的列车轴温估计模型；然后基于模糊隶属度建立列车的工况判别模型；最后对不同工况下的模型和不同运行工况的隶属度进行融合，得到列车的实时轴温估计模型，该方法可实时对轴温进行准确估计，并提高监测设备的可靠性与稳定性。

An on-line axle temperature estimation method for high-speed train based on multi-state model fusion

The invention discloses an on-line axle temperature estimation method of high-speed train based on multi-state model fusion, which is implemented in the following steps: firstly, the axle temperature estimation model of train under acceleration, steady operation and deceleration is established based on random forest RF; secondly, the condition discrimination model of train is established based on fuzzy membership degree; finally, the model under different working conditions and the model without. The real-time axle temperature estimation model of the train is obtained by fusing the membership degree of the same operation condition. This method can accurately estimate the axle temperature in real time and improve the reliability and stability of the monitoring equipment.

【技术实现步骤摘要】
一种基于多状态模型融合的高速列车轴温在线估计方法
本专利技术属于高速列车热轴故障诊断
，具体涉及一种基于多状态模型融合的高速列车轴温在线估计方法。
技术介绍
随着高速列车在全球的普及，列车越来越成为人们出行必不可少的出行工具，从而它的安全问题得到了人们的关注。其中对于列车来说车轴安全的重要性尤为突出。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。现有的列车热轴故障诊断大多是基于固定轴温阈值的车轴故障检测系统,其漏报率和误报率都过高，且在监测数据中存在正常轴温数据与故障轴温数据存在严重不均衡问题，且正常数据量远大于故障数据量的问题。本专利技术基于列车监测数据，利用轴温数据与列车速度、时间、载重和温度之间的相关性，建立了适应于环境中不同运行工况下的轴温在线估计模型。该方法可实时对轴温进行准确估计，并提高监测设备的可靠性与稳定性，为高速列车的车轴故障诊断提供了新的方法。同时，根据模型估计得到的轴温值对列车的状态有警示作用，对列车的故障预警方面有很大的意义。
技术实现思路
本专利技术的目的是提供一种基于多状态模型融合的高速列车轴温在线估计方法，该方法本文档来自技高网...

【技术保护点】
1.一种基于多状态模型融合的高速列车轴温在线估计方法，其特征在于，具体按照以下步骤实施：步骤1、基于随机森林RF分别建立列车在加速、平稳运行和减速状态下的列车轴温估计模型；步骤2、基于模糊隶属度建立列车的工况判别模型；步骤3、对步骤1得到的不同工况下的模型和步骤2得到的不同运行工况的隶属度进行融合，得到列车的实时轴温估计模型。

【技术特征摘要】
1.一种基于多状态模型融合的高速列车轴温在线估计方法，其特征在于，具体按照以下步骤实施：步骤1、基于随机森林RF分别建立列车在加速、平稳运行和减速状态下的列车轴温估计模型；步骤2、基于模糊隶属度建立列车的工况判别模型；步骤3、对步骤1得到的不同工况下的模型和步骤2得到的不同运行工况的隶属度进行融合，得到列车的实时轴温估计模型。2.根据权利要求1所述的一种基于多状态模型融合的高速列车轴温在线估计方法，其特征在于，所述步骤1具体按照以下步骤实施：步骤1.1、分别采集高速列车的运行速度v、轴温T、环境温度C、运行时间t以及载重L，并假设有N个采样样本，将80％的采样数据作为训练集；步骤1.2、根据训练集中的速度v、时间t计算列车的加速度a，并根据列车的加速度将训练集中的数据分为三种运动工况：分别为加速、平稳运行和减速状态；步骤1.3、采用Bootstraping方法将步骤1.2中在加速状态下的样本数据随机有放回的取出m个，共进行n1次采样，生成n1个训练集，并将v、t、C、L作为自变量，轴温T作为因变量，生成决策树回归模型，最终取其均值，即采用RF算法对加速状态下的数据进行训练得到加速训练模型M1；步骤1.4、如步骤1.3中加速状态同理所示，分别将平稳运行状态和减速运行状态下的采样数据用Bootstraping方法进行采样，并用RF算法训练且得到的平稳运行和减速状态下的模型分别为M2、M3。3.根据权利要求2所述的一种基于多状态模型融合的高速列车轴温在线估计方法，其特征在于，所述步骤2具体按照以下步骤实施：步骤2.1、模糊变量的确定：步骤1.2中已经根据速度v和时间t计算得到加速度a，并且步骤1.2中也已经将采...

【专利技术属性】
技术研发人员：谢国，张永艳，冯楠，黑新宏，王文卿，马维纲，孙澜澜，金永泽，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西,61