基于數(shù)據(jù)的車輪磨損量預測方法研究.pdf

1、隨著現(xiàn)代檢測技術以及現(xiàn)代鐵路工業(yè)綜合自動化技術的快速發(fā)展，我國鐵路相關部門保存了大量的車輪系統(tǒng)的在線與離線檢測數(shù)據(jù),其中蘊含著豐富的車輪滾動系統(tǒng)的特征和規(guī)律信息。這些數(shù)據(jù)除了數(shù)據(jù)量大之外，還具有更新速度快、非線性、高相關性等特點，并且它們通常以非結構化的形式存儲在高維空間中，必須借助各種數(shù)據(jù)分析和約簡方法才能揭示這些高維數(shù)據(jù)中的本質特征，從而獲得有效的信息。本文研究基于這些數(shù)據(jù)的車輪磨損量的預測方法。
　　本文對流形學習算法可應用

2、到的領域進行了探究，即將流形學習應用于預測模型、車輪磨耗系統(tǒng)的建模方向。首先，針對傳統(tǒng)流形正則化加權回歸(WDMR)模型對新樣本數(shù)據(jù)預測的局限性，提出了基于半監(jiān)督局部線性嵌入(LLE)算法的WDMR建模方法。然后，考慮到列車各個車輪磨耗量之間的整體性和相關性，提出了一種基于LLE算法的多輪位磨損量預測模型。最后，為了進一步提高模型性能，本文提出了基于耦合模擬退火算法優(yōu)化的流形正則化加權回歸模型，通過仿真實驗驗證了該方法的有效性。另外，本