自发电式轨道车辆轴箱温度预测方法研究
Research on Prediction Method of Axle Box Temperature of Self-power Railway Vehicle
关博 1陈威 2彭乐乐 1丁亚琦 3郑树彬1
作者信息
- 1. 上海工程技术大学城市轨道交通学院 上海 201620
- 2. 上海航天设备制造总厂有限公司 上海 200245
- 3. 上海地铁维护保障有限公司车辆分公司 上海 200031
- 折叠
摘要
针对上海地铁所采用的自发电式轴温监测系统中的轴箱温度预测问题,通过长短时记忆网络(LSTM)、BP神经网络以及支持向量回归机(SVR)三种预测方法进行轴箱温度预测并将结果进行对比分析.最后,利用实测数据,对各方法的预测结果进行对比,结果表明,SVR的预测结果均优于其他预测方法,且预测精度可达到98.59%.
Abstract
Aiming at the axle box temperature prediction problem in the self-powered axle temperature monitoring system used by the Shanghai metro,the axle box temperature prediction is carried out through three prediction methods,which are long short-term memory(LSTM),BP neural network and support vector regression(SVR),and the results are compared and analyzed.Finally,the measured data is used to compare the prediction results of each method,the results show that the prediction results of SVR are better than other prediction methods,and the prediction accuracy can reach 98.59%.
关键词
轴箱温度预测/长短时记忆网络/BP神经网络/支持向量回归机Key words
axle box temperature prediction/long short-term memory/BP neural network/support vector regression引用本文复制引用
基金项目
国家自然科学基金项目(51907117)
国家自然科学基金项目(51975347)
上海申通地铁集团项目(JS-KY20R013-3)
上海申通地铁集团项目(2021CL-KY20R013-3-JYF-050)
上海工程技术大学青年科研团队培育计划项目(QNTD202112)
出版年
2024
国家科技期刊平台
NSTL
万方数据