基于循环神经网络的动车组温度数据预测研究

摘要

循环神经网络|动车组|温度数据|预测模型

关键词

采用循环神经网络建立了基于CRH5A型动车组温度类数据的预测模型，对影响预测结果的影响因子、模型层数及神经元个数进行了明确的界定，对CRH5A型动车组实车开展持续性追踪分析，采集动车组运行真实数据，进行积累和培养。在利用神经网络预测模型对数据进行训练后，CRH5A型动车组变压器温度峰值预测模型精度可达94.2%,牵引电机温度峰值预测模型精度可达93.8%,齿轮箱温度峰值预测模型精度可达95.3%,轴箱温度峰值预测模型精度可达92.7%。动车组温度数据预测结果的精确度可满足实际应用需求，预测模型在提高列车检修效率、节支降耗方面有着重要的作用。

基金资助

中国国家铁路集团有限公司重大课题(K2021J009)