一种基于多层LSTM的动车组轴箱轴承温度预测方法技术

本发明专利技术涉及动车组轴箱技术领域，具体涉及一种基于多层LSTM的动车组轴箱轴承温度预测方法，包括：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；然后将分组好的数据分别依次进行去重，去异常值，归一化处理，然后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，再将轴承温度进行反归一化处理，得到预测轴承温度值。本发明专利技术每次计算模型的输入相应地往后滑移一分钟，通过不断滑移、不断更新轴箱轴承未来温度的走势，能有效预测未来一段时间的轴箱轴承温度，给应急处理预留一定的时间，减少对乘客行程的影响。

A Temperature Prediction Method for Shaft Box Bearing of EMU Based on Multi-Layer LSTM

【技术实现步骤摘要】
一种基于多层LSTM的动车组轴箱轴承温度预测方法
本专利技术涉及动车组轴箱
，具体涉及一种基于多层LSTM的动车组轴箱轴承温度预测方法。
技术介绍
动车、全称动力车辆，是指轨道交通系统中装有动力装置的车辆，包括机车和动力车厢两大类。动车装配有驱动车轮，而与之相对应的无驱动装置的车辆就是拖车。列车要能在轨道上正常运行，就必须有动车为整列火车提供足够牵引力，但可以不挂没有动力的拖车。动车是安装有车轮驱动机器设备的铁路车辆，而不是动车组。不仅高速列车中有动车，所有火车类型的交通工具、包括常速动车组、普速列车、地铁列车、轻轨列车、单轨列车和磁悬浮列车等都有动车。截止2018年底，中国共有动车组3256标准组，共计26048辆，而每辆车有8个轴箱轴承；轴箱轴承承受载荷大，运行工况恶劣多变，每年都会有大量的轴箱轴承损坏导致列车降速运行而晚点，甚至临时停车。轴箱轴承是保证高速动车组安全、高效运行的核心零部件之一，因此对高速动车组的轴箱轴承状态监测具有非常实际的研究价值。现有的技术是通过车载动车组轴温报警系统进行报警，报警系统通过双通道的温度传感器采集温度数据，来实现冗余采集，当检测温度达到车载逻辑设定的绝对阈值或差值阈值后，车载轴温报警系统报警。但是，现有技术只是考虑了温度这一个单变量，没有考虑速度，环境温度等因素，而这些因素对轴箱轴承温度有极大影响。另外，现有技术一旦出现热轴预警就要限速运行(250Km/h)，一旦出现热轴报警，列车将限速(40Km/h)。报警后，到前方站后还要停车检查，因此一旦出现这俩类报警，必然导致列车晚点，甚至长时间临时停车，必然对乘客行程安排造成影响。为此，本专利技术提供一种考虑列车速度、环境温度等关键因素，能实现预测未来一段时间的轴箱轴承温度趋势，给应急处理预留一定的时间，基于多层LSTM的高速动车组轴箱轴承温度预测方法。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于多层LSTM的动车组轴箱轴承温度预测方法，通过将传感器采集的轴箱轴承温度、速度、环境温度的实时数据进行预处理后，输入到LSTM模型中，每次计算模型的输入相应地往后滑移一分钟，通过不断滑移不断更新轴箱轴承未来温度的走势，如果轴箱轴承温度正常，那么未来预测的温度也是正常走势，如果轴箱轴承温度异常，那么预测出来的未来温度数据也是异常的，如未来预测温度超过轴箱轴承报警阈值，即可实现提前预警。本专利技术的目的是通过以下技术方案来实现的：一种基于多层LSTM的动车组轴箱轴承温度预测方法，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。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。上述动车组轴箱轴承温度预测方法，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FU表示；25％为下四分位，用FL表示；四分位间距：dF＝FU-FL；上截断点为：FU+1.5dF；下截断点为：FL-1.5dF；所述异常值是指小于上截断点，或者大于下截断点的数据。上述动车组轴箱轴承温度预测方法，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。上述动车组轴箱轴承温度预测方法，对于所述遗忘门，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：ft＝σ(Wf*[ht-1，xt]+bf)其中，ft代表遗忘门，*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，ht-1表示t-1时刻的输出，xt是t时刻模型的输出，σ是sigmoid激活函数。公式中，W和b后面的f是代表forgetgate。即Wf就是代表遗忘门的权值矩阵，bf就是代表遗忘门的偏差。上述动车组轴箱轴承温度预测方法，对于输入门，所述输入门是确定往记忆单元中增加的内容；输入门由两部分组成，一部分依旧使用sigmoid激活函数，另一部分使用tanh激活函数，其输出是-1到1，输入门的作用是调节网络；sigmoid激活函数的输出与tanh激活函数的输出相乘，其功能是通过sigmoid函数的输出来决定保留tanh函数输出中的哪些重要信息；输入门的计算公式如下：it＝σ(Wi*[ht-1，xt]+bi)c`t＝tanh(Wc*[ht-1，xt]+bc)ct＝ft*ct-1+it*c`t其中，it代表输入门，ct-1是上一时刻的记忆单元内容，c`t是中间状态的记忆单元内容(此处的c`t有一撇，以区别于后面的ct)，ct是此时刻的记忆单元中内容。式中，i是代表inputgate，c是代表cell，cell就是基于单元。t代表时刻或时间。上述动车组轴箱轴承温度预测方法，对于输出门，所述输出门是确定此刻模型的输出内容，此刻的输出是由此刻的输入、上一时刻输出以及记忆单元中的内容决定，所述输出门的计算公式如下：ot＝σ(Wo[ht-1，xt]+bo)ht＝ot*tanh(ct)。其中，Ot代表输出门，O是代表outputgate，h是代表模型输出。上述动车组轴箱轴承温度预测方法，在步骤S1中，按照30min的时间间隔对采集到的信息数据分别进行分组。进一步地，在步骤S2中，去重过程中，一分钟有多个相同的值则去重，一分钟有多个不同值则取不同值的均值，去重处理后，若30min内数据有缺失，则采用均值插值的方式进行插值，所述均值插值具体为采取该缺失数据前后一分钟对应数据的均值来进行插值。上述动车组轴箱轴承温度预测方法，在步骤S3中，在去异常值的过程中，采用均值插值的方式对异常点进行插值。本专利技术的有益效果是：本专利技术提出的基于多层LSTM的动车组轴箱轴承温度预测方法，通过将传感器采集的轴箱轴承温度、速度、环境温度的实时数据进行预处理后，输入到LSTM模型中，每次计算模型的输入，相应地往后滑移一分钟，通过不断滑移、不断更新轴箱轴承未来温度的走势，如果轴箱轴承温度正常，那么未来预测的温度也是正常走势，如果轴箱轴承温度异常，那么预测出来的未来温度数据也是异常的，即能有效预测未来一段时间的轴箱轴承温度，给应急处理预留一定的时间，减少对乘客行程的影响。附图说明图1为本专利技术LSTM模型的结构示意图；图2为本专利技术LSTM模型的双层结构图；图3为本专利技术试验例中实际温度与预测温度对比图。具体实施方式下本文档来自技高网...

【技术保护点】
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。

【技术特征摘要】
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FU表示；25％为下四分位，用FL表示；四分位间距：dF＝FU-FL；上截断点为：FU+1.5dF；下截断点为：FL-1.5dF；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：ft＝σ(Wf*[ht-1，xt]+bf)其中...

【专利技术属性】
技术研发人员：刘磊，宋冬利，张卫华，常振臣，张海峰，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川,51