多变量时间序列特征加强的列车制动系统故障预测方法

摘要

本发明提供了一种多变量时间序列特征加强的列车制动系统故障预测方法，包括：采集列车制动系统中主要部件对应的多变量时间序列的数据；根据采集的数据，将各个部件作为变量，采用改进的自适应最少的绝对收缩和选择操作方法对所述变量进行筛选；采用小波包分解算法和小波包重构算法对筛选后的变量进行特征提取，并根据灰色关联度算法对提取的特征进行选择；采用根据灰色关联度算法选择的特征对极端随机森林模型ERF进行训练和测试得到最优预测模型；根据所述的最优预测模型对列车制动系统故障进行预测。本发明的方法可以降低预测的复杂度和提高预测的准确性。