轴承温度实时监控和预测是保障高速列车安全运行的重要手段.GM(1,1)模型具有建模样本量小、计算效率和精度高等优点,适用于轴温的实时预测.但在基于GM(1,1)模型的轴温预测中存在两个问题:1.用于建模的轴温监测数据是离散整型,平滑性欠佳,导致预测精度不高;2.由于GM(1,1)模型在本质上是指数函数,具有单调性,导致在轴温升降趋势变化的拐点处预测误差较大.为此,提出一种基于灰色二次回归的轴温实时预测模型:首先将采集到的轴温数据进行迭代三次的滑动平均处理,再将GM(1,1)模型和二次多项式进行融合重构,并采用最小二乘法求取重构后模型的参数值.应用该模型对某高速列车的后序5分钟轴温进行实时预测,结果表明:在轴温先升后降、先降后升和连续波动的样本中该模型比GM(1,1)模型的预测误差分布更集中且数值更小;在不同通道类型的连续波动样本中,这里模型的预测结果均好于GM(1,1)模型,验证了模型的通用性.
NETL
NSTL
维普
万方数据
