基于多元非线性回归算法的动车组变压器温度预测研究

对动车组状态参数进行预测是实现动车组数字化精准维修的重要前提之一。目前对动车组数据的利用方式主要以定量观测和定性分析为主,缺乏准确的状态预测量。为此,文章提出了一种基于多元非线性回归的预测算法,通过建立变压器温度预测模型,实现了变压器温度值的次日预测,并以此指导由温度导向的变压器日常运维项目。通过对比CRH5A型动车组车载数据中变压器温度原始数据和预测模型数据,结果显示采用该模型变压器温度预测精度达到95%以上,验证了所提方法的有效性,其对提高列车检修效率、节支降耗有着重要的作用。

动车组WTDS轴温数据的深度挖掘及应用

为进一步对系统动车组车载信息无线传输系统(WTDS)中已有的数据进行深度剖析,总结规律、开发应用,针对WTDS的轴温数据,设定更全面的阈值线,采用标准曲线比样法以及多元非线性回归等数学算法,建立了轴温数据分析预测模型。基于CRH5A型动车组的实际轴温数据,采用上述预测模型预测其未来轴温并进行故障判别,结果表明:该分析预测模型能够有效判别动车组轴箱故障,满足生产实际的需求,具有较高的实用价值.上述预测模型的开发不仅实现了对动车组轴温数据的深度挖掘,同时成功拓展了WTDS的应用范围。