现代计算机2022，Vol.28Issue(18) ：42-46.DOI:10.3969/j.issn.1007-1423.2022.18.007

基于APSO_ELM算法的地铁列车碳滑板磨耗的预测

Prediction of Carbon Slide Wear of Subway Train Based on APSO_ELM Algorithm

郝玉然 王自鑫 李正培
现代计算机2022，Vol.28Issue(18) ：42-46.DOI:10.3969/j.issn.1007-1423.2022.18.007
✕
  • 维普
  • 万方数据

基于APSO_ELM算法的地铁列车碳滑板磨耗的预测

Prediction of Carbon Slide Wear of Subway Train Based on APSO_ELM Algorithm

郝玉然 1王自鑫 1李正培1
扫码查看

作者信息

  • 1. 郑州地铁集团有限公司,郑州 450000
  • 折叠

摘要

为了准确预测地铁列车碳滑板磨耗量,本文选择训练速度快、参数设置少、准确度高的极限学习机(ELM)模型.针对ELM模型在训练过程中随机产生权值和阈值,导致模型泛化能力不足、稳定性差等缺点,引入基于收缩因子改进的自适应粒子群算法(APSO)对其进行优化,提出了一种基于自适应粒子群优化极限学习机(APSO-ELM)的碳滑板磨耗预测模型.将该模型运用到碳滑板磨耗实例预测中,在选取的270组样本数据中,前235组作为训练样本,后35组作为测试样本,以影响碳滑板磨耗的主要因素——地铁运行公里数作为输入参数,以碳滑板厚度为输出参数,将预测结果与ELM模型预测进行对比.结果表明,APSO-ELM模型有较高的预测精度,预测值更逼近于实际值,验证了APSO-ELM模型在碳滑板磨耗预测中的可靠性和有效性.

关键词

碳滑板磨耗/ELM/收缩因子/APSO-ELM

引用本文复制引用

出版年

2022
现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
参考文献量10
段落导航相关论文