基于VMD-ICSO-GRU的高铁列控车载设备故障率时间序列预测

有效地预测高铁列控车载设备故障率对合理分配设备备品、制定维修计划、减少故障发生具有重要意义。以列车运行控制系统的历史故障数据为对象，提出一种基于变分模态分解(VMD)和门控循环单元(GRU)的故障率预测模型。首先，利用VMD将车载设备故障率时间序列分解为一组包含不同频率信息的子序列，降低原始序列的非平稳性；然后，针对分解后的各个子序列建立多个基于GRU的时间序列预测模型，为提高预测精度，提出一种改进的猫群优化(ICSO)算法自适应设置各个GRU网络参数；最后，叠加各子序列预测结果得到最终故障率预测值。收集CTCS3-300T型列控车载设备历史故障数据进行实验，结果表明，相比于其他时间序列预测模型，本文模型得到的均方根误差(RMSE)和平均绝对误差(MAE)分别为0.044 5和0.039 1,均低于其他模型，验证了其有效性。