基于混合核函数GA-SVR的动车组制动闸片寿命预测

制动闸片是基础制动装置中的执行机构，对其使用寿命的精确预测直接关乎动车组的安全运行问题。为解决传统的SVR模型在寿命预测时存在着不能兼顾各类核函数优良性能的问题，进一步提高动车组制动闸片剩余寿命预测精度，提出一种基于遗传算法优化且集合了不同核函数优点的混合核SVR回归模型。首先分别采用具有优良泛化能力的多项式核函数和突出学习能力的RBF核函数构建2个单个核函数SVR回归模型。随后利用遗传算法以交叉验证方式下模型预测产生的均方误差和作为适应度函数，对2个单一核SVR回归模型的惩罚因子c和函数带宽g进行寻优求解，得到2个性能最佳的单核SVR回归模型。然后以均方误差最低为目标调整混合因数，将2个核矩阵融合为一个仍满足Mercer条件的混合核矩阵，作为新的GA-SVR模型核函数矩阵。最后基于得到的模型对动车组制动闸片剩余寿命进行评估。结果表明：混合核模型在各个时段预测时产生的累积相对误差均低于单一核模型，且在方上差也更为平稳。直接体现了所建立的模型在学习能力与泛化能力上都较单一核GA-SVR模型有了提高，有效提高了动车组制动闸片寿命预测的精度，更出色的泛化能力也表明了该模型具有一定的工程实用价...