基于GA-岭回归分析的机车车轮踏面磨耗量预测算法研究

车轮踏面磨耗量是评价机车运行安全的重要参数,但多数车轮运维现场的条件尚不能对踏面磨耗量及时、准确地进行监测。为了解决上述问题,文章提出了基于“GA-岭回归”分析的机车车轮踏面磨耗量预测算法(简称“GA-岭回归”预测算法)。“GA-岭回归”预测算法分为数据前处理和数据预测分析2部分。对于数据前处理,首先依据不同的测量方式对采集到的踏面磨耗量数据进行分类,基于车轮的实际运维情况,分析不同类型数据的特点;随后以镟修周期作为数据划分标准,对分类后的数据进行切片处理;最后采用相关标准和主成分分析法对相应的动态测量数据进行清洗、降噪。对于数据预测分析,首先划分数据集,进行数据整合,创建训练集数据的时间滑动窗口;随后采用岭回归算法对训练集数据进行回归分析训练,并结合遗传算法和验证集数据进行模型参数的调优,以提高预测准确性。基于测试集数据,分别采用传统预测算法、岭回归线性预测算法和“GA-岭回归”预测算法,对3类预测算法的预测效果进行对比分析;随后采用相同的测试方法,扩大车轮样本的数量,继续进行预测效果的对比分析。测试结果表明,采用“GA-岭回归”预测算法的预测误差和误差标准差均相对较低。经分析可知,“GA-岭回归”预测算法具有较高的预测精度,同时可保证更好的预测稳定性。