[發明專利]多變量時間序列特征加強的列車制動系統故障預測方法

在審

• 申請號: 201910299053.0
• 申請日: 2019-04-15
• 公開（公告）號: CN110033135A
• 公開（公告）日: 2019-07-19
• 發明（設計）人: 劉真;黨心悅;王成
• 申請（專利權）人: 北京交通大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06F17/14;B60T17/22
• 代理公司: 北京市商泰律師事務所 11255
• 代理人: 黃曉軍

1.一種多變量時間序列特征加強的列車制動系統故障預測方法，其特征在于，包括：

采集列車制動系統中主要部件對應的多變量時間序列的數據；

根據采集的數據，將各個部件作為變量，采用改進的自適應最少的絕對收縮和選擇操作方法對所述變量進行篩選；

采用小波包分解算法和小波包重構算法對篩選后的變量進行特征提取，并根據灰色關聯度算法對提取的特征進行選擇；

采用根據灰色關聯度算法選擇的特征對極端隨機森林模型ERF進行訓練和測試得到最優預測模型；

根據所述的最優預測模型對列車制動系統故障進行預測。

2.根據權利要求1所述的方法，其特征在于，所述的采用改進的自適應最少的絕對收縮和選擇操作方法對所述變量進行篩選，包括根據下式(1)的改進的自適應最少的絕對收縮和選擇操作方法對變量進行篩選，選取對故障影響程度達到一定范圍的變量；

其中，為系數絕對值，o_i表示故障預測期望值，i∈(1,…..,t)，β為變量x_i的系數向量，X_i表示主要部件對應的數據，n表示數據個數，p表示屬性變量個數，λ表示對j個變量的懲罰因子，β_j表示對選入的第j個變量的系數絕對值，ω_j為選入的第j個變量的權重。

3.根據權利要求1所述的方法，其特征在于，所述的采用小波包分解算法和小波包重構算法對篩選后的變量進行特征提取，包括：對篩選后的變量數據片段，通過小波包分解算法對選取變量的數據片段進行分解，分解為多個小波值，并將分解后的小波值通過小波包重構算法進行重構小波特征，最后輸出所述的篩選后的變量的小波特征數據集。

4.根據權利要求1所述的方法，其特征在于，所述的根據灰色關聯度算法對提取的特征進行選擇，包括：根據灰色關聯度算法計算出所述的提取的特征對應的關聯度值，對各個提取的特征對應的關聯度值進行大小排序，生成關聯度序列，根據排序取不同特征輸入個數，對比不同預測輸入個數通過預測模型預測準確率，選擇預測準確率最高的特征個數作為輸入個數，將所述輸入個數對應的特征作為選擇的特征。

5.根據權利要求4所述的方法，其特征在于，所述的關聯度值根據下式(4)計算：

其中，o_i為故障預測期望值，i為預測期望值個數，f_j(k)為輸入預測特征，j為特征屬性個數ζ_i,j(k)表示故障o_i和f_j在時間點k數據片段的關聯系數，k表示數據片段的時間點，ρ∈[0,1]為分辨系數表示，s為數據片段的總數，r_ij為關聯度。