一种列车轴承温度预测方法技术

本发明专利技术公开了一种列车轴承温度预测方法

【技术实现步骤摘要】
一种列车轴承温度预测方法


[0001]本专利技术属于铁路列车设备维护的
，具体涉及一种列车轴承温度预测方法
。

技术介绍

[0002]我国高速列车已经建成了世界上规模最大
、
运营速度最快的高速铁路干线
.
[0003]高速列车是一个大型复杂的机电系统，系统呈高速化
、
集成化
、
复杂化
、
精密化和自动化等特点
。
由于高速列车长期在轨行驶外加运行过程中恶劣环境的影响，使高速列车各个零部件机械磨损
、
部件老化加剧，容易造成高速列车在运行过程中发生安全风险，严重时会造成人员的伤亡
。
[0004]轴承作为保障高速列车安全运行过程中的关键零部件，分布在高速列车电机，齿轮箱，轴箱等关键的位置，起到支撑轴
、
减少摩擦
、
保障轴的回转精度等重要作用
。
长期处于高速运转
、
承受较大冲击载荷等工作状态，会导致轴承的裂纹
、
磨损等现象，引起高速列车轴承不正常的升温
。
另一方面，高速列车在运行过程中轴承一当出现异物入侵
、
油脂缺少或变质的情况，也会引起轴承不正常温升的情况，从而给高速列车的运行带来安全隐患，甚至有可能产生严重的安全事故
。
[0005]现有技术中，高速列车轴承的安全检测都是采用温度识别来进行监测，利用车载轴温监测系统实时采集高速列车电机
、
齿轮箱
、
轴箱等温度传感器上的数据，对高速列车轴承温度进行实时显示
、
预警和报警
。
[0006]但是，现有技术中的温度监测方式，均为通过事先设定好的温度阈值与监测到的温度进行比较，实现高速列车轴的温度报警，这种温度监测的不足，体现在：
[0007](1)
预警方式过于简单，只采用固定的温度阈值或温升差值过大作为报警条件局限性过大，难以在快速温升的情况下提前报警；
[0008](2)
难以提前对轴承温升异常进行故障预警，铁路所采集的轴承状态监测大数据呈现多维特性，现有技术缺少多种轴承故障类型数据，难以提前对轴承温升异常类型进行故障预警；
[0009](3)
固定的温度阈值或温升差值的报警方式导致需进行停车处理，当轴温实时监测系统预报警时，那么说明轴承温度已经很高，此时，高速列车继续运行可能存在安全风险，需进行停车处理，给高速列车的运营造成了一定的损失
。

技术实现思路

[0010]为了克服现有技术存在的缺陷与不足，本专利技术的目的在于提供一种列车轴承温度预测方法，用于对高速列车的轴承在高速运行时进行安全监测
。
[0011]为了达到上述目的，本专利技术采用以下技术方案：
[0012]一种列车轴承温度预测方法，包括步骤如下：
[0013]S1、
采集列车中多处位置的轴承在运行时的温度数据；
[0014]S2、
对温度数据进行预处理，形成相应的温度数据序列；
[0015]S3、
构建用于列车轴承温度预测的原始预测序列；
[0016]S4、
根据马尔科夫原理修正原始预测序列，进行残差二次优化形成灰色马尔科夫预测模型；
[0017]S5、
利用基于滑动窗的滚动机制来更新建模的时间序列，对灰色马尔科夫预测模型进行循环重建，直到获得全部待预测的数据；
[0018]S6、
在步骤
S5
对灰色马尔科夫预测模型进行循环重建的基础上进行改进，分别形成短期预测
、
中期预测
、
长期预测的过程；
[0019]S7、
根据预测时长的需求，从短期预测
、
中期预测
、
长期预测中选取所要采用的温度预测过程，对高速列车中多处位置的轴承的温度变化进行预测
。
[0020]优选地，采集温度数据的具体过程包括：
[0021]在高速列车中多处位置的轴承上布置的温度传感器，并将每个传感器与预测温度用的主机或计算设备电性连接；
[0022]温度传感器在轴承开始运转后，向预测温度用的主机或计算设备传送相应位置上的温度数据
。
[0023]进一步地，温度数据进行预处理的具体过程包括：
[0024]S21、
构建一个原始的温度数据序列
x
(0)
如下式所示：
[0025]x
(0)
＝
(x
(0)
(1),x
(0)
(2),...,x
(0)
(n))
[0026]其中，
x
表示温度，0表示原始温度数据序列，
n
表示对应第几个温度传感器，
x
(0)
(n)
表示原始温度数据的具体数值；
[0027]S22、
对原始的温度数据序列
x
(0)
进行累加操作，构建非原始的温度数据序列
x
(1)
如下式所示：
[0028]x
(1)
＝
(x
(1)
(1),x
(1)
(2),...,x
(1)
(n))
[0029]从原始的温度数据序列
x
(0)
累加得到非原始的温度数据序列
x
(1)
的过程如下式所示：
[0030][0031]其中，
k
表示非原始的温度数据序列
x
(1)
中的第几个数据，此时
i
表示原始的温度数据序列
x
(0)
中的第几个数据
。
[0032]进一步地，构建原始预测序列的具体过程包括：
[0033]S31、
根据原始的温度数据序列
x
(0)
、
非原始的温度数据序列
x
(1)
，构建相应
GM(1,1)
模型的差分方程
、
一阶微分方程，差分方程
、
一阶微分方程分别如下式所示：
[0034]x
(0)
(k)+az
(1)
(k)
＝
b,k
＝
2,3,...,n
[0035][0036]其中，
a
为发展系数，
b
为驱动系统，
t
表示连续的时间，
x
(1)
(t)
表示非原始的温度数据序列在连续时间下的值；
[0037]其中，
z
(1)...

【技术保护点】

【技术特征摘要】
1.
一种列车轴承温度预测方法，其特征在于，包括步骤如下：
S1、
采集列车中多处位置的轴承在运行时的温度数据；
S2、
对温度数据进行预处理，形成相应的温度数据序列；
S3、
构建用于列车轴承温度预测的原始预测序列；
S4、
根据马尔科夫原理修正原始预测序列，进行残差二次优化形成灰色马尔科夫预测模型；
S5、
利用基于滑动窗的滚动机制来更新建模的时间序列，对灰色马尔科夫预测模型进行循环重建，直到获得全部待预测的数据；
S6、
在步骤
S5
对灰色马尔科夫预测模型进行循环重建的基础上进行改进，分别形成短期预测
、
中期预测
、
长期预测的过程，对列车轴承的温度进行预测
。2.
根据权利要求1所述列车轴承温度预测方法，其特征在于，采集温度数据的具体过程包括：在高速列车中多处位置的轴承上布置的温度传感器，并将每个传感器与预测温度用的主机或计算设备电性连接；温度传感器在轴承开始运转后，向预测温度用的主机或计算设备传送相应位置上的温度数据
。3.
根据权利要求2所述列车轴承温度预测方法，其特征在于，温度数据进行预处理的具体过程包括：
S21、
构建一个原始的温度数据序列
x
(0)
如下式所示：
x
(0)
＝
(x
(0)
(1),x
(0)
(2),...,x
(0)
(n))
其中，
x
表示温度，0表示原始温度数据序列，
n
表示对应第几个温度传感器，
x
(0)
(n)
表示原始温度数据的具体数值；
S22、
对原始的温度数据序列
x
(0)
进行累加操作，构建非原始的温度数据序列
x
(1)
如下式所示：
x
(1)
＝
(x
(1)
(1),x
(1)
(2),...,x
(1)
(n))
从原始的温度数据序列
x
(0)
累加得到非原始的温度数据序列
x
(1)
的过程如下式所示：其中，
k
表示非原始的温度数据序列
x
(1)
中的第几个数据，此时
i
表示原始的温度数据序列
x
(0)
中的第几个数据
。4.
根据权利要求3所述列车轴承温度预测方法，其特征在于，构建原始预测序列的具体过程包括：
S31、
根据原始的温度数据序列
x
(0)
、
非原始的温度数据序列
x
(1)
，构建相应
GM(1,1)
模型的差分方程
、
一阶微分方程，差分方程
、
一阶微分方程分别如下式所示：
x
(0)
(k)+az
(1)
(k)
＝
b,k
＝
2,3,...,n
其中，
a
为发展系数，
b
为驱动系统，
t
表示连续的时间，
x
(1)
(t)
表示非原始的温度数据序
列在连续时间下的值；其中，
z
(1)
(k)
表示背景值，背景值
z
(1)
(k)
的计算如下式所示：
S32、
根据已知的
z
(1)
(k)、x
(1)
、k
，求解发展系数
a、
驱动系统
b
，然后根据发展系数
a、
驱动系统
b
得到
x
(1)
(t)
的解的解的计算如下式所示：其中，
e
为自然常数；
S32、
根据进行累减操作，得到对应原始的温度数据序列
x
(0)
的高速列车轴承的原始预测序列进行累减操...

【专利技术属性】
技术研发人员：宁善平，齐群，郭鹏飞，熊律，赵晨，武文星，贺文锦，黄院芳，江伟，
申请(专利权)人：广东交通职业技术学院，
类型：发明
国别省市：