基于LMM和NARNN的车轮踏面退化状态预测

作为列车的关键走行部件,车轮的退化状态对列车的安全具有重要影响。以车轮踏面磨耗量为研究对象,将历史车轮踏面磨耗数据作为输入,分别采用线性混合模型(LMM)和非线性自回归神经网络(NARNN)对车轮踏面磨耗进行建模。首先,对比不同随机效应的LMM,选择随机系数相关的LMM,进而预测车轮踏面磨耗量;其次,使用随机搜索算法优化NARNN中的参数。结果显示,基于LMM的踏面磨耗值的预测精度更高。