基于多变量时间序列特征加强的列车制动系统故障预测

论文摘要

因经济发展对铁路运输需求的不断增长,提升重载列车运输能力成为当务之急,而制动系统成为了确保列车安全稳定运行的关键。重载列车通常采用电空制动原理,其制动系统构造复杂、部件繁多,部件之间相互影响,各部件传感器数据随时间动态变化,这使得故障模式多样,较难挖掘。如何有效地对制动系统的故障进行预警、防范故障的发生,减少不必要的人员、财产损失,是一个重要的问题。目前,重载列车制动系统的故障预测主要还是通过人工经验和事后分析,在大数据量的情况下容易漏判,也不够准确。此外,制动系统数据呈现出多变量时间序列的特点,且故障模式随时间波动大。因此,现有的时间序列预测方法,还需在多变量故障模式的挖掘上做进一步的加强。因此,本文提出了基于多变量时间序列特征加强和极端随机森林模型的制动系统故障预测算法MTSFE,本文的主要研究工作包括以下内容:(1)对真实的制动控制单元的数据进行了清洗,然后将制动系统监测数据以多变量时间序列表示,分析各变量对预测输出系统状态值的影响重要性,提出通过自适应LASSO方法选择重要部件的对应变量,实现对真实数据的横向降维,降低预测模型复杂度。(2)设定滑动窗口长度,对选取的重要变量数据进行片段的划分,使用统计分析和小波包分解的方法,分析这些数据片段的时序特性、相关性,提取其时域、频域的特征。根据对数据片段所提取的故障特征,对初始特征集合通过灰色关联度分析方法,分析特征与系统状态值之间的关联度,选取关联度较高的特征作为预测模型的优化特征集合,实现特征的加强。(3)基于提出的多变量时间序列的优化特征集合,提出极端随机森林(ERF)模型的制动系统故障预测模型和算法MTSFE,并通过不断的参数优化,对模型进行了优化。本文使用某型号电空制动系统的真实数据,作为训练和测试样本,对提出的模型进行了训练和预测,本文分别对特征数、特征加强对预测准确度的影响进行了实验,也与常用预测算法进行了对比实验。实验表明,MTSFE在多个评价指标上都优于其它算法。最后,本文实现了MTSFE算法,该算法作为制动故障预测系统的后台预测引擎模块,能够有效地辅助现场人员对制动系统的故障预测。

论文目录

• 致谢
• 摘要
• ABSTRACT
• 1 绪论
•   1.1 研究背景及意义
•   1.2 国内外研究现状
•   1.3 本文的研究内容
•   1.4 本文的组织结构
• 2 相关理论基础
•   2.1 多变量时间序列分析
•     2.1.1 多变量时间序列
•     2.1.2 时间序列分析
•   2.2 自适应LASSO变量选择
•   2.3 小波包分解
•     2.3.1 小波包定义
•     2.3.2 小波包分解
•   2.4 灰色关联分析
•   2.5 预测模型及其相关理论
•     2.5.1 LSTM神经网络
•     2.5.2 随机森林预测
•     2.5.3 极端随机森林
•   2.6 本章小结
• 3 制动系统故障预测模型
•   3.1 制动系统数据分析
•     3.1.1 制动系统数据表示
•     3.1.2 制动系统故障模式分析
•     3.1.3 多变量时间序列建模
•   3.2 故障预测模型框架
•   3.3 本章小结
• 4 特征加强的制动系统故障预测算法
•   4.1 多变量时间序列特征加强
•     4.1.1 变量选择
•     4.1.2 特征提取
•     4.1.3 关联度分析
•   4.2 MTSFE预测算法
•     4.2.1 多变量时间序列特征加强
•     4.2.2 MTSFE算法
•   4.3 本章小结
• 5 实验分析及原型系统
•   5.1 实验数据故障模式分析
•   5.2 实验环境
•   5.3 实验过程
•     5.3.1 变量属性选择
•     5.3.2 特征提取
•     5.3.3 关联度分析
•   5.4 实验结果分析
•     5.4.1 评估指标
•     5.4.2 特征个数对模型的影响
•     5.4.3 特征加强对模型的影响
•     5.4.4 预测模型对比
•   5.5 列车制动系统故障预测原型系统
•     5.5.1 系统架构
•     5.5.2 开发环境
•     5.5.3 故障预测原型系统展示
•   5.6 本章小结
• 6 总结与展望
•   6.1 工作总结
•   6.2 研究展望
• 参考文献
• 作者简历及攻读硕士学位期间取得的研究成果
• 学位论文数据集

文章来源

类型: 硕士论文

作者: 党心悦

导师: 刘真

关键词: 电空制动系统,故障预测,特征加强,极端随机森林

来源: 北京交通大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 数学,铁路运输,自动化技术

单位: 北京交通大学

分类号: TP277;O211.61;U279

总页数: 65

文件大小: 5378K

下载量: 209