[发明专利]一种基于工况的多模型融合列车轴温估计方法

权利要求书

1.一种基于工况的多模型融合列车轴温估计方法，其特征在于，具体按照以下步骤实施：

步骤1、针对高速列车在牵引、制动、惰行不同运行工况下，轴温数据的特征，将轴温数据分为加速阶段轴温数据、平稳运行阶段轴温数据、减速阶段三个部分轴温数据，并对不同运行工况下的轴温数据进行相关性分析；

步骤2、对不同运行工况下的轴温数据采用多元回归法LR进行估计，并计算该模型的决定系数R²；

步骤3、对不同运行工况下的轴温数据采用随机森林法RF进行估计，并计算该模型的决定系数R²；

步骤4、对不同运行工况下的轴温数据采用梯度回归树法GBDT进行估计，并计算该模型的决定系数R²；

步骤5、根据步骤2、步骤3、步骤4得到不同工况下基于不同模型的决定系数R²，计算响应工况下模型的权重，并按照该权重对不同工况下的轴温估计模型进行融合。

2.根据权利要求1所述的一种基于工况的多模型融合列车轴温估计方法，其特征在于，所述步骤1具体按照以下步骤实施：

步骤1.1、根据列车的速度数据将列车的轴温数据分为加速阶段轴温数据、平稳运行阶段轴温数据、减速阶段轴温数据；

步骤1.2、对不同阶段的轴温数据进行相关性分析，得到不同运行工况下影响轴温变化的变量为：环境温度C、速度v、运行时间t、载重L、初始轴温T₀。

3.根据权利要求2所述的一种基于工况的多模型融合列车轴温估计方法，其特征在于，所述步骤2具体按照以下步骤实施：

步骤2.1、根据步骤1.2中得到的影响轴温变化的变量，采用多元回归法建立基于LR的轴温估计模型；

步骤2.2、将列车加速运行阶段的轴温监测数据、运行时间和初始轴温数据带入步骤2.1所建的基于LR的轴温估计模型中，计算得到列车加速运行阶段基于多元回归的轴温预测模型其中，a表示加速运行工况；

步骤2.3、将列车平稳运行阶段的轴温监测数据、运行时间和初始轴温数据带入步骤2.1所建的基于LR的轴温估计模型中，计算得到列车平稳运行阶段基于多元回归的轴温预测模型其中，b表示平稳运行工况；

步骤2.4、将列车减速运行阶段的轴温监测数据、运行时间和初始轴温数据带入步骤2.1所建的基于LR的轴温估计模型中，计算得到列车减速运行阶段基于多元回归的轴温估计模型其中，c表示减速运行工况；

步骤2.5、分别将各个运行阶段的测试数据带入对步骤2.2、步骤2.3、步骤2.4建立的模型中并对轴温进行估计，然后计算模型的决定系数模型的决定系数模型的决定系数

4.根据权利要求3所述的一种基于工况的多模型融合列车轴温估计方法，其特征在于，所述步骤3具体按照以下步骤实施：

步骤3.1、将列车不同运行阶段下的轴温数据分别输入到随机森林模型中，训练出基于随机森林的列车轴温估计模型；

步骤3.2、采用列车在加速运行工况下的轴温数据训练出该工况下基于随机森铃的轴温估计模型

步骤3.3、采用列车在平稳运行工况下的轴温数据训练出该工况下基于随机森铃的轴温估计模型

步骤3.4、采用列车在减速运行工况下的轴温数据训练出该工况下基于随机森铃的轴温估计模型

步骤3.5、分别将各个运行阶段的测试数据带入对步骤3.2、步骤3.3、步骤3.4建立的模型中并对轴温进行估计，然后计算模型的决定系数模型的决定系数模型的决定系数