基于灰色二次回归的轴温预测模型

简介

轴承温度实时监控和预测是保障高速列车安全运行的重要手段。GM(1,1)模型具有建模样本量小、计算效率和精度高等优点,适用于轴温的实时预测。但在基于GM(1,1)模型的轴温预测中存在两个问题1.用于建模的轴温监测数据是离散整型,平滑性欠佳,导致预测精度不高;2.由于GM(1,1)模型在本质上是指数函数,具有单调性,导致在轴温升降趋势变化的拐点处预测误差较大。为此,提出一种基于灰色二次回归的轴温实时预测模型首先将采集到的轴温数据进行迭代三次的滑动平均处理,再将GM(1,1)模型和二次多项式进行融合重构,并采用最小二乘法求取重构后模型的参数值。应用该模型对某高速列车的后序5分钟轴温进行实时预测,结果表明在轴温先升后降、先降后升和连续波动的样本中该模型比GM(1,1)模型的预测误差分布更集中且数值更小;在不同通道类型的连续波动样本中,这里模型的预测结果均好于GM(1,1)模型,验证了模型的通用性。