摘要
列车运行时走行部的安全至关重要,车载系统采集走行部信息呈现多维时间序列长度,时间序列往往因为过长导致时序模型难以记忆,反而使得模型精度降低.为此,提出一种基于稀疏注意力机制的城轨车辆轴温预测模型.首先建立稀疏注意力的时间序列模型,在线下进行模型训练,并基于微调的方式将一个轴承的温度预测模型逐个迁移到所有轴承上;线下训练完成后对在线数据进行预测,并检测温度是否异常,确认异常轴承的位置进行停车检查、修复故障.实验结果表明,稀疏注意力机制相比于RNN、LSTM等传统时间序列网络能够处理更长的时间序列,对轴承温度的预测具有更高的精度.
基金项目
国家重点研发计划资助项目(2017YFB1201201)
NETL
NSTL
维普
万方数据