基于机器学习的列车健康状态预测方法

摘要

建立可靠、实时的列车健康状况监测系统是一种提高轨道交通系统安全性的有效途径,利用机器学习算法分析和预测列车的健康状况.该文介绍了一种基于光纤光栅传感器的列车健康监测及预测系统,该系统应用神经网络和高斯过程学习、预测一种列车健康状况指标数据,即振动指标(Ⅵ)数据.Ⅵ能够反映列车在行驶时因车轮的物理损伤所导致的车体振动程度.分析结果表明,当车轮的物理损伤在正常范围内时,神经网络算法更适用于对Ⅵ指标进行学习和预测;当车轮的物理损伤超出正常范围时,高斯过程算法更适用于对Ⅵ指标进行学习和预测.