典型文献
基于灰色BP神经网络的高速列车轴箱轴承温度预测方法
文献摘要：
结合灰色模型所需数据量少和BP神经网络非线性映射能力较强的特点,建立了一种基于灰色BP神经网络的高速列车轴箱轴承温度预测模型.首先,用粒子群算法优化的灰色模型对轴温进行预测,并计算出预测值与实测值的残差;然后,以轴温、列车速度、运行时间、环境温度为BP神经网络的输入对残差序列进行校正;最后,将灰色预测值与残差校正值求和,得到灰色BP神经网络模型的轴温预测值.基于某型高速列车的履历轴箱轴承温度数据,采用灰色BP神经网络模型对轴温进行预测,并根据预测评价指标对模型进行评估,结果表明该模型较单一模型的预测精度得到有效改善.
文献关键词：
滚动轴承;轴箱轴承;高速列车;轴温;神经网络;预测
中图分类号：
作者姓名：
孟建军;潘彦龙;陈晓强;祁文哲;李德仓
作者机构：
兰州交通大学机电技术研究所,兰州 730070;甘肃省物流及运输装备信息化工程技术研究中心,兰州 730070;兰州交通大学机电工程学院,兰州 730070
文献出处：
引用格式：
[1]孟建军;潘彦龙;陈晓强;祁文哲;李德仓-.基于灰色BP神经网络的高速列车轴箱轴承温度预测方法)[J].轴承,2022(04):77-82
A类：
B类：
高速列车,列车轴箱轴承,轴承温度,温度预测方法,灰色模型,数据量,非线性映射,温度预测模型,粒子群算法,算法优化,轴温,实测值,列车速度,运行时间,残差序列,灰色预测,残差校正,正值,履历,温度数据,据预测,预测评价,滚动轴承
AB值：
0.273453
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
