面向热轴故障的高速列车轴温阈值预测模型

针对现有基于车轴温度固定阈值的故障检测系统适应性差且误报率、漏报率高的问题, 综合考虑列车速度、环境温度与运行工况等因素对轴温的影响以及各因素之间的关系, 建立了高速列车轴温动态阈值预测模型; 考虑高速列车在不同运行工况下轴温变化的差异特征, 将列车运行状态分为加速、匀速和减速3个阶段, 并针对每个阶段运用皮尔逊相关系数法分析列车速度、环境温度、荷载等原始监测数据以及各阶段运行时间、初始轴温等衍生数据与轴温的相关程度; 提取与轴温变化密切相关的因素, 基于多元回归分析方法, 针对列车的3个运行阶段, 分别建立基于原始监测数据的轴温动态阈值预测模型和基于原始监测数据与衍生数据的改进轴温动态阈值预测模型, 并采用F检验方法对模型的有效性进行检验, 基于中国高速列车实测轴温数据对模型的正确性进行了验证。研究结果表明: 列车在加速、匀速与减速3个阶段中, 轴温真实值与改进轴温动态阈值预测模型预测值的平均相对误差分别为2.0%、4.1%和3.3%;相对于基于原始监测数据的轴温动态阈值预测模型, 3个阶段中改进轴温动态阈值预测模型的预测精确度分别提高了79.8%、64.3%和65.6%;改进预测模型的决定系数大于0.99, 显著性概率小于0.05, 表明模型有效。      

高速列车疫情风险评估与主动防护策略

考虑到列车密闭车厢内传染病的危害性, 研究了车厢内病毒的空间分布特性; 结合乘客间距离相关性分析结果, 构建了乘客感染预测模型, 对车厢内存在多感染者情况下每个乘客感染病毒的风险进行了评估; 为降低乘客乘车感染风险, 制定了列车乘客主动防护策略, 提出基于贪婪算法和变邻域局部搜索算法的混合启发式算法, 对车厢乘客布座问题进行优化求解; 通过基于距离的贪婪算法, 将列车固定坐标的乘客布座问题转换为最多乘客数最少病毒重叠区问题, 得到座位可行解, 并汇总各可行解得到可行域, 再基于变邻域的局部搜索算法改进座位可行解, 得到最优乘客布座方案。研究结果表明: 本文建立的感染概率评估模型可有效预测乘客感染病毒的风险, 结合基于混合启发式算法的主动防护措施可有效降低乘客乘车的感染风险; 针对短途旅客, 随着乘车人数和车厢内感染者的增加, 高风险感染者由1人增加至7人, 中风险感染者由0人增加至3人, 低风险感染者由47人增加至83人; 相较于无序就坐, 采用本文制定的布座策略可消除乘客感染风险。      

列车轴温监测数据软测量方法

为解决监测数据缺失导致的轴温监测系统误诊和漏诊率较高的问题, 提出了一种基于数据特征分析的轴温监测数据软测量方法; 通过轴温监测点的布局与相关性分析, 确定了监测数据软测量的源数据范围; 采用自组织特征映射算法, 通过对源数据归一化、优胜区域定义与隶属度优化, 实现了轴温数据本征维数确定与数据聚类; 引入多维尺度分析方法, 通过数据间距的相似性量化与距离矩阵特征值分解, 实现了轴温数据的类内降维; 采用多维尺度分析方法对类间降维数据再次降维, 提出了一种分步式降维方法, 构建了信息量最大化与计算量最小化的平衡策略; 采用深度学习栈式自编码器方法提取类间降维数据的内部特征, 构建了缺失轴温数据的软测量模型。研究结果表明: 基于降维数据的软测量方法的时间效率比基于原始数据的软测量方法高14.25%;2种方法的精度相当, 当一维数据缺失时, 数据软测量的平均精度可达99.83%;当二维数据缺失时, 平均精度可达99.75%;当三或四维数据缺失时, 平均精度均可达99.16%;在满足最大允许误差2.5%、误差容忍度1.0%条件的情况下, 针对任意缺失维度不高于四维的情况, 提出的方法可有效地实现高精度与高效率的缺失数据恢复。