基于监督机器学习算法的动车组PHM预警核验方法研究

为提高故障预测与健康管理PHM模型预警的准确率以有效支撑动车组现场处置工作,在系统或模型报出诊断结果后,模型研发或运用单位等通常需要投入大量人力和精力对预警结果进行人工核验才能更为准确、有效地指导现场工作,效率较低,影响生产组织。为此,研究提出采用K最近邻和卷积神经网络等两种监督机器学习算法对PHM预警结果进行自动核验,并选取某型动车组牵引系统温度类PHM预警模型对算法进行了测试和验证。结果表明,该算法检验的准确率等指标较为理想,可以在一定程度上代替人工核验,提高模型结果的可用性。