亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于灰色BP神經(jīng)網(wǎng)絡(luò)的高速列車(chē)軸箱軸承溫度預(yù)測(cè)方法

        2022-06-08 02:21:02孟建軍潘彥龍陳曉強(qiáng)1a祁文哲李德倉(cāng)
        軸承 2022年4期
        關(guān)鍵詞:模型

        孟建軍,潘彥龍,陳曉強(qiáng)1a,,2,祁文哲,李德倉(cāng)

        (1.蘭州交通大學(xué) a.機(jī)電技術(shù)研究所;b.機(jī)電工程學(xué)院,蘭州 730070;2.甘肅省物流及運(yùn)輸裝備信息化工程技術(shù)研究中心,蘭州 730070)

        軸承作為列車(chē)傳動(dòng)鏈條中轉(zhuǎn)向架軸箱、齒輪箱、電動(dòng)機(jī)重要的組成部分,在確保列車(chē)運(yùn)行安全方面不可或缺[1]。列車(chē)運(yùn)行中軸承異常溫升嚴(yán)重威脅行車(chē)安全,持續(xù)的軸承高溫輕則觸發(fā)列車(chē)緊急制動(dòng)導(dǎo)致經(jīng)濟(jì)損失,嚴(yán)重的可能誘發(fā)列車(chē)脫軌,造成不可挽回的后果[2]。溫度可以直接反應(yīng)軸承的工作狀態(tài),溫度異常是軸承發(fā)生故障的重要信號(hào)?,F(xiàn)有車(chē)載軸溫監(jiān)測(cè)系統(tǒng)可以對(duì)軸溫進(jìn)行實(shí)時(shí)監(jiān)測(cè),通過(guò)設(shè)定的閾值對(duì)軸溫進(jìn)行預(yù)警;但一旦發(fā)生報(bào)警必須立即處理,留給相關(guān)人員的處理時(shí)間少[3]。因此,研究高速列車(chē)軸承溫度預(yù)測(cè)方法,對(duì)車(chē)載軸溫監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析來(lái)判斷軸承的健康狀態(tài),通過(guò)軸溫預(yù)測(cè)模型對(duì)軸溫存在異常的軸承進(jìn)行跟蹤、預(yù)測(cè),提前預(yù)警列車(chē)運(yùn)行中可能存在的安全隱患,可為軸溫故障處理爭(zhēng)取更多的時(shí)間。

        針對(duì)軸溫的預(yù)測(cè)研究中,文獻(xiàn)[4]通過(guò)簡(jiǎn)化熱網(wǎng)絡(luò)得到一種成本較低和速度較快的模型,比較精確地預(yù)測(cè)了電動(dòng)機(jī)繞組的溫度;文獻(xiàn)[5]采用支持向量機(jī)(Support Vector Machine,SVM)的方法對(duì)太陽(yáng)電池溫度進(jìn)行了精確的預(yù)測(cè);文獻(xiàn)[6]確定了影響切削溫度的參數(shù),然后采用最小二乘支持向量機(jī)(Least Squares Support Vector Machine,LS-SVM)的方法對(duì)高速切削溫度預(yù)測(cè)進(jìn)行了研究;文獻(xiàn)[7]依據(jù)風(fēng)電機(jī)組的運(yùn)行監(jiān)控?cái)?shù)據(jù)規(guī)律,確定了影響溫升的主要參數(shù),最后采用LS-SVM的方法對(duì)齒輪和軸承溫度進(jìn)行了預(yù)測(cè);文獻(xiàn)[8]通過(guò)試驗(yàn)比較熱網(wǎng)絡(luò)方法建立的2種模型,將一些影響微弱的傳遞量略去,提出了一種簡(jiǎn)化模型;文獻(xiàn)[9]采用非線性狀態(tài)估計(jì)(Nonlinear State Estimation,NSET)的方法建立了齒輪箱溫度預(yù)測(cè)模型,并對(duì)溫度進(jìn)行了較準(zhǔn)確的預(yù)測(cè);文獻(xiàn)[10]采用NSET的方法對(duì)風(fēng)力發(fā)電機(jī)后軸承溫度進(jìn)行了預(yù)測(cè),用灰色關(guān)聯(lián)度選擇軸溫的影響因素,并根據(jù)預(yù)測(cè)值與實(shí)際值的殘差確定了齒輪箱的工作狀態(tài)。上述研究都是基于大量故障數(shù)據(jù)進(jìn)行的,列車(chē)軸溫?cái)?shù)據(jù)采集頻率低且引起軸溫升高的因素多,在僅知道溫度的前提下判斷軸承是否有故障具有灰色屬性。因灰色理論具有建模樣本少,精度較高的優(yōu)點(diǎn),利用灰色理論對(duì)軸溫進(jìn)行預(yù)測(cè)可以有效解決數(shù)據(jù)量少的問(wèn)題。

        1 數(shù)據(jù)分析處理

        本文所用的數(shù)據(jù)來(lái)源于獨(dú)立式溫度傳感器pt100測(cè)得的車(chē)載軸溫?cái)?shù)據(jù),列車(chē)軸箱軸承數(shù)據(jù)每分鐘獲得1個(gè)溫度值。引起軸溫升高的因素較多,其中關(guān)鍵因素包括車(chē)輛運(yùn)行速度、環(huán)境溫度、載荷(軸重)、空氣濕度以及潤(rùn)滑脂注入量等。

        高速列車(chē)運(yùn)行區(qū)間長(zhǎng),在一個(gè)區(qū)間段內(nèi)有較多的站點(diǎn),需要車(chē)輛頻繁啟停,線路不平順也會(huì)造成列車(chē)軸承的熱狀態(tài)變動(dòng)。通過(guò)分析列車(chē)的歷史軸溫?cái)?shù)據(jù)可知,在車(chē)輛不斷啟停中軸承的溫度隨車(chē)輛運(yùn)動(dòng)狀態(tài)的變化而波動(dòng)。

        1.1 軸溫變化特點(diǎn)

        列車(chē)軸溫隨著列車(chē)速度和運(yùn)行時(shí)間的變化而不斷波動(dòng),軸箱軸承溫度隨時(shí)間變化以及對(duì)應(yīng)速度的曲線如圖1所示,車(chē)輛的運(yùn)動(dòng)狀態(tài)與軸溫的波動(dòng)變化可以很好地吻合:列車(chē)在單個(gè)運(yùn)行區(qū)間內(nèi)溫度先急劇增加,然后趨于平緩,最后單調(diào)下降。溫度的急劇變化多發(fā)生在列車(chē)啟動(dòng)加速階段,伴隨著軸承轉(zhuǎn)速加快和急劇升溫,在列車(chē)開(kāi)始制動(dòng)到停車(chē)這一階段溫度明顯降低,在另外的區(qū)間段內(nèi)則重復(fù)此循環(huán)。此外,由于軸箱軸承溫度傳感器安裝于軸承座盲孔內(nèi),熱量傳導(dǎo)需要時(shí)間,因此,列車(chē)啟動(dòng)時(shí)軸溫變化較速度變化滯后。

        圖1 軸箱軸承溫度隨車(chē)輛啟停的變化曲線

        1.2 數(shù)據(jù)預(yù)處理

        由于采集到的原始軸溫監(jiān)測(cè)數(shù)據(jù)質(zhì)量較差,存在缺失、重復(fù)、階躍等問(wèn)題,需要預(yù)處理。曲線擬合的方式會(huì)由于選取核函數(shù)的不同導(dǎo)致軸溫上升趨勢(shì)受到核函數(shù)的影響,而滑動(dòng)平均處理(簡(jiǎn)稱(chēng)平滑處理)的方式則不會(huì)對(duì)原始數(shù)據(jù)變化規(guī)律造成影響,故選擇平滑處理原始數(shù)據(jù)。

        設(shè)選取的原始軸溫?cái)?shù)據(jù)為X=[x1,x2,…,xn],則經(jīng)過(guò)平滑處理后的數(shù)據(jù)X(0)為

        (1)

        式中:xi為某時(shí)刻的原始軸溫。

        平滑處理后的數(shù)據(jù)可重復(fù)進(jìn)行相同的處理,重復(fù)處理數(shù)據(jù)的次數(shù)為迭代次數(shù)。適當(dāng)?shù)牡螖?shù)可提高數(shù)據(jù)的平滑度,進(jìn)而保證模型的精度,但迭代次數(shù)過(guò)多,數(shù)據(jù)會(huì)被處理的過(guò)于平滑而失真,不能正確反映溫升規(guī)律,模型的準(zhǔn)確度下降,不能滿(mǎn)足建模的要求,因此,本文所取迭代次數(shù)為3。

        表1 預(yù)測(cè)誤差評(píng)價(jià)指標(biāo)

        為避免4個(gè)評(píng)價(jià)指標(biāo)的結(jié)果不一致,采用局部及整體誤差結(jié)合的方式對(duì)模型結(jié)果進(jìn)行綜合評(píng)價(jià),其中局部誤差指標(biāo)選用最大絕對(duì)誤差,整體誤差指標(biāo)選用平均絕對(duì)誤差,將2種誤差求和作為綜合評(píng)價(jià)指標(biāo),誤差越小,預(yù)測(cè)精度越高。

        2 灰色BP神經(jīng)網(wǎng)絡(luò)模型

        2.1 灰色模型

        由于影響軸溫的因素復(fù)雜,且有些影響因素采集量化較難,因此選用灰色模型對(duì)軸溫進(jìn)行預(yù)測(cè),基于灰色模型的高速列車(chē)軸溫預(yù)測(cè)的計(jì)算過(guò)程如下:

        將平滑處理后n段時(shí)間內(nèi)的軸溫序列作為灰色模型的初始時(shí)間序列X(0)=[x(0)(1),x(0)(2),…,x(0)(k),…,x(0)(n)],其中x(0)(k)≥0,k=1,2,…,n;X(1)序列為X(0)序列的一階累加生成序列,

        X(1)=[x(1)(1),x(1)(2),…,x(1)(k),…,

        x(1)(n)],

        (2)

        (3)

        緊鄰均值序列Z(1)為

        Z(1)=[z(1)(2),z(1)(3),…,z(1)(k),…,

        z(1)(n)],

        (4)

        累加值的平均值z(mì)(1)(k)為

        (5)

        則灰色模型為

        x(0)(k)+az(1)(k)=b,

        (6)

        式中:a為發(fā)展系數(shù);b為灰色作用量。

        (7)

        (8)

        灰色模型的解為[11]

        (9)

        通過(guò)累減公式得到軸溫預(yù)測(cè)值序列,即

        (10)

        灰色模型對(duì)軸溫預(yù)測(cè)的步驟如下:

        1)確定模型的建模數(shù)及預(yù)測(cè)數(shù)(使用前m分鐘的軸溫?cái)?shù)據(jù)對(duì)未來(lái)s分鐘的數(shù)據(jù)進(jìn)行預(yù)測(cè)),為了保證預(yù)測(cè)的精度,一般s取值不宜過(guò)大,當(dāng)模型的輸入數(shù)據(jù)達(dá)到建模數(shù)量要求時(shí)進(jìn)行預(yù)測(cè)。

        2)模型的建模數(shù)及預(yù)測(cè)數(shù)確定后需對(duì)軸溫原始數(shù)據(jù)進(jìn)行預(yù)處理,對(duì)處理后的數(shù)據(jù)進(jìn)行建模計(jì)算,得到前m分鐘的模擬值及s分鐘的預(yù)測(cè)值。

        3)當(dāng)建模窗口內(nèi)進(jìn)入新軸溫?cái)?shù)據(jù)時(shí),之前的數(shù)據(jù)便可刪除,不斷對(duì)建模窗口內(nèi)的數(shù)據(jù)進(jìn)行更新補(bǔ)充,保證模型的輸入數(shù)據(jù)最新。對(duì)軸溫的變化趨勢(shì)進(jìn)行及時(shí)感知追蹤,避免舊數(shù)據(jù)影響(不能靈敏地感知到軸溫的變化),以此提高模型的實(shí)時(shí)性及準(zhǔn)確度。

        4)將第1次模型的m個(gè)模擬值與每次求得的s個(gè)預(yù)測(cè)值進(jìn)行拼接,便可得到軸溫的預(yù)測(cè)序列,實(shí)現(xiàn)軸溫的預(yù)測(cè)。

        2.2 構(gòu)建灰色BP神經(jīng)網(wǎng)絡(luò)模型

        灰色BP神經(jīng)網(wǎng)絡(luò)模型的建模過(guò)程如下:

        圖2 PSO算法流程圖Fig.2 Flow chart of PSO algorithm

        圖3 基于BP神經(jīng)網(wǎng)絡(luò)的軸溫預(yù)測(cè)模型結(jié)構(gòu)

        4)重構(gòu)模型預(yù)測(cè)值。將灰色預(yù)測(cè)值與校正的殘差值相加,便可較準(zhǔn)確地預(yù)測(cè)軸溫,該預(yù)測(cè)值為灰色BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)值。

        軸溫的影響因素多樣(圖4),而有些因素的獲取困難且量化繁瑣,因此設(shè)定列車(chē)的潤(rùn)滑程度、軸承安裝情況等狀態(tài)為正常水平,選用現(xiàn)有列車(chē)已有且易于獲取的速度、運(yùn)行時(shí)間、軸溫、環(huán)溫為灰色BP神經(jīng)網(wǎng)絡(luò)模型的輸入,殘差為輸出進(jìn)行分析計(jì)算。

        圖4 軸溫影響因素體系Fig.4 System of influencing factors of axle temperature

        3 實(shí)例分析

        為驗(yàn)證灰色BP神經(jīng)網(wǎng)絡(luò)模型的可行性及可靠性,以某型高速列車(chē)的履歷軸溫?cái)?shù)據(jù)為基礎(chǔ)進(jìn)行預(yù)測(cè),并將灰色BP神經(jīng)網(wǎng)絡(luò)模型與單一的BP神經(jīng)網(wǎng)絡(luò)模型或灰色模型的結(jié)果進(jìn)行對(duì)比分析?;疑獴P神經(jīng)網(wǎng)絡(luò)模型的輸入變量為4,隱含層節(jié)點(diǎn)取10,輸出層節(jié)點(diǎn)取1。隱含層選用sigmoid函數(shù),輸出層選用tansig函數(shù),最大迭代次數(shù)取 1 000,目標(biāo)精度為0.000 001,學(xué)習(xí)率為0.1。列車(chē)運(yùn)行速度及軸溫的部分?jǐn)?shù)據(jù)見(jiàn)表2。

        表2 列車(chē)運(yùn)行速度及軸溫的部分?jǐn)?shù)據(jù)

        3.1 灰色模型預(yù)測(cè)結(jié)果

        根據(jù)軸溫履歷數(shù)據(jù),按照灰色建模的步驟構(gòu)建模型。首先對(duì)預(yù)處理軸溫?cái)?shù)據(jù)進(jìn)行累加,然后根據(jù)生成的累加序列求得緊鄰均值序列,之后求模型的白化方程式,對(duì)未知參數(shù)進(jìn)行求解,推導(dǎo)出灰色模型軸溫隨時(shí)間響應(yīng)公式,最后通過(guò)累減得到模型的預(yù)測(cè)值,需要計(jì)算殘差對(duì)模型進(jìn)行可靠性評(píng)估。用最小二乘法求得模型參數(shù)值為:發(fā)展系數(shù)a=-0.040,灰色作用量b=13.217。灰色模型預(yù)測(cè)的部分結(jié)果見(jiàn)表3。

        表3 灰色模型預(yù)測(cè)的部分結(jié)果

        3.2 灰色BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果

        圖5 基于灰色BP神經(jīng)網(wǎng)絡(luò)的軸溫預(yù)測(cè)結(jié)果

        以評(píng)價(jià)模型誤差的指標(biāo)對(duì)模型進(jìn)行分析,發(fā)現(xiàn)灰色模型、BP神經(jīng)網(wǎng)絡(luò)模型、灰色BP神經(jīng)網(wǎng)絡(luò)模型的綜合評(píng)價(jià)指標(biāo)分別為9.80,3.82,2.53,說(shuō)明灰色BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)精度較高。

        表4 軸箱軸承溫度預(yù)測(cè)誤差

        3.3 試驗(yàn)驗(yàn)證

        為進(jìn)一步驗(yàn)證模型的普適性,選取某高速列車(chē)軸箱軸承故障的一段溫度數(shù)據(jù)進(jìn)行分析,該軸承故障為內(nèi)圈磨損(圖6),原因?yàn)樵诟咚龠\(yùn)行時(shí)滾子受到的摩擦加劇,打破油膜潤(rùn)滑平衡導(dǎo)致潤(rùn)滑失效,引起其與內(nèi)圈接觸,使內(nèi)圈磨損。

        圖6 軸箱軸承故障情況Fig.6 Fault condition of axle box bearing

        如圖7所示,運(yùn)用灰色BP神經(jīng)網(wǎng)絡(luò)模型對(duì)軸承故障情況下的某時(shí)段軸溫進(jìn)行預(yù)測(cè),在樣本點(diǎn)67 min處對(duì)軸溫進(jìn)行未來(lái)5 min的預(yù)測(cè),得出溫度在73 min處超過(guò)軸箱軸承的溫度預(yù)警值80 ℃,而在實(shí)際樣本中,溫度在74 min處超過(guò)預(yù)警值。在軸箱軸承溫度觸發(fā)預(yù)警時(shí),車(chē)輛采取限速措施,并在前方站點(diǎn)進(jìn)行停車(chē)檢查。

        圖7 軸溫異常情況下預(yù)測(cè)結(jié)果

        4 結(jié)束語(yǔ)

        以軸箱軸承為例,依據(jù)灰色模型所需數(shù)據(jù)量少,BP神經(jīng)網(wǎng)絡(luò)非線性映射能力較強(qiáng)的特點(diǎn),采用灰色BP神經(jīng)網(wǎng)絡(luò)模型對(duì)軸溫進(jìn)行預(yù)測(cè)。由于列車(chē)熱軸故障發(fā)生次數(shù)相對(duì)較少,先選取軸承正常運(yùn)行數(shù)據(jù)進(jìn)行分析,之后選取一段故障時(shí)的軸溫?cái)?shù)據(jù)進(jìn)行試驗(yàn)分析,發(fā)現(xiàn)灰色BP神經(jīng)網(wǎng)絡(luò)模型在軸溫正常及異常情況下均可較準(zhǔn)確地預(yù)測(cè)軸溫。通過(guò)對(duì)異常溫升測(cè)點(diǎn)在未來(lái)短時(shí)間內(nèi)的溫度預(yù)測(cè),爭(zhēng)取到更多的處理時(shí)間,為行車(chē)策略調(diào)整提供依據(jù)。

        猜你喜歡
        模型
        一半模型
        一種去中心化的域名服務(wù)本地化模型
        適用于BDS-3 PPP的隨機(jī)模型
        提煉模型 突破難點(diǎn)
        函數(shù)模型及應(yīng)用
        p150Glued在帕金森病模型中的表達(dá)及分布
        函數(shù)模型及應(yīng)用
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        3D打印中的模型分割與打包
        国产免费一区二区av| 好日子在线观看视频大全免费动漫| 国产精品无码日韩欧| 午夜影院91| 婷婷久久亚洲中文字幕| 国产大屁股视频免费区| 饥渴的熟妇张开腿呻吟视频| 麻豆久久五月国产综合| 亚洲女同恋中文一区二区| 午夜视频在线观看视频在线播放| 国产精成人品日日拍夜夜免费| 日日人人爽人人爽人人片av| 亚洲国产精品夜男人天堂| 亚洲香蕉av一区二区三区| 亚洲国产精品无码专区影院| 日韩国产一区| 国产大全一区二区三区| 国内自拍情侣露脸高清在线| 西西人体444www大胆无码视频| 亚洲mv国产精品mv日本mv| 青青草视频在线观看视频免费| 久久久久人妻精品一区二区三区 | 玩弄人妻少妇精品视频| 一群黑人大战亚裔女在线播放| 亚洲国产精品综合久久20| 成人做爰黄片视频蘑菇视频| 在线观看视频播放| 欧美自拍视频在线| 中文字幕一区二区人妻在线不卡| 人妖一区二区三区四区| 久久99精品国产99久久6尤物 | 亚洲高清中文字幕视频| 无码福利写真片视频在线播放| 国产精品白浆一区二区免费看| 日本一道本加勒比东京热| 国产成人精品亚洲日本在线观看| 亚洲av无码专区国产不卡顿| 精品人妻一区二区三区四区| 日本一本草久国产欧美日韩| 涩涩鲁精品亚洲一区二区| 99亚洲男女激情在线观看|