[发明专利]一种基于多层LSTM的动车组轴箱轴承温度预测方法

权利要求书

1.一种基于多层LSTM的动车组轴箱轴承温度预测方法，其特征在于，包括以下步骤：

S1.采集轴箱轴承温度、环境温度、列车速度的信息数据，然后将采集到的信息数据分别进行分组；

S2.将分组好的数据分别进行去重，且一分钟对应一个数据；

S3.采用4分位数法分别对每组数据进行去异常值；

S4.分别对每组数据进行归一化处理；

S5.将归一化后的各组数据作为输入数据输入LSTM模型中，得到轴承温度的LSTM输出预测值z；

S6.将轴承温度进行反归一化处理，得到预测轴承温度值Z，Z＝z*150。

2.根据权利要求1所述的一种基于多层LSTM的动车组轴箱轴承温度预测方法，其特征在于，在步骤S4和S5中，归一化后，x′＝x/某种类型的定值，所述某种类型包括轴承温度、列车速度、环境温度；

其中，轴承温度的定值是150，列车速度的定值是380，环境温度的定值是50，x是某种类型数据某一时刻的实际值，x′是某种类型数据归一化后的值。

3.根据权利要求1所述的一种基于多层LSTM的动车组轴箱轴承温度预测方法，其特征在于，所述4分位数法是把数据按照从小到大排序，其中75％为上四分位，用F_U表示；25％为下四分位，用F_L表示；

四分位间距：d_F＝F_U-F_L；

上截断点为：F_U+1.5d_F；

下截断点为：F_L-1.5d_F；

所述异常值是指小于上截断点，或者大于下截断点的数据。

4.根据权利要求1所述的一种基于多层LSTM的动车组轴箱轴承温度预测方法，其特征在于，在步骤S5中，所述LSTM模型包括：遗忘门、输入门、输出门和记忆单元，门结构是一个sigmoid激活函数和一个乘法操作，sigmoid函数的输出是0到1，其中0代表完全不接受数据，1代表完全接受数据；记忆单元中存储了历史信息。

5.根据权利要求4所述的一种基于多层LSTM的动车组轴箱轴承温度预测方法，其特征在于，前一时刻的输出与这一时刻的输入，合并得到所述遗忘门的激活函数输入，遗忘门直接与记忆单元相乘，遗忘门的功能是决定记忆单元中哪些信息需要保留以及哪些信息需要遗忘，所述遗忘门的计算公式为：

f_t＝σ(W_f*[h_t-1，x_t]+b_f)

其中，*是乘法符号，[a，b]是将b矩阵按列拼接在a矩阵之后，W是遗忘门的权值矩阵，b是遗忘门的偏差，W和b的参数值通过训练确定，h_t-1表示t-1时刻的输出，x_t是t时刻模型的输出，σ是sigmoid激活函数。