典型文献
基于灰色关联度样本优化的高速列车轴箱轴承温度预测方法
文献摘要：
建立了一种基于多基函数组合的最小二乘回归的轴温预测模型,并用灰色关联的方法对样本进行优化选择.采用灰色关联分析对轴温相关因素进行选择,并根据轴温与环温的温差分为高温差与低温差2个阶段,建立了一种多基函数组合的最小二乘预测模型,通过不断地对上一阶段模型的预测偏差加权校正,减小了模型的输出偏差.基于某型高速列车的履历轴箱轴承温度数据,运用文中所采用的模型对某一区间车辆从温升到开始制动这一阶段的温度进行预测,通过预测评价值对模型进行验证,证明了模型的有效性,基于多基函数组合的预测模型的最大绝对误差为0.65,最大相对误差为1.64％,绝对平均误差为0.35,相对平均误差为0.99％,其预测精度较单一基函数的预测精度改善.
文献关键词：
灰色关联度;样本优化;高速列车;轴箱轴承;温度预测
中图分类号：
作者姓名：
潘彦龙;胥如迅
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;甘肃省物流与运输装备行业技术中心,兰州 730070
文献出处：
引用格式：
[1]潘彦龙;胥如迅-.基于灰色关联度样本优化的高速列车轴箱轴承温度预测方法)[J].铁道机车车辆,2022(03):66-71
A类：
B类：
灰色关联度,样本优化,高速列车,列车轴箱轴承,轴承温度,温度预测方法,基函数,数组,最小二乘回归,轴温,优化选择,灰色关联分析,环温,上一阶段,预测偏差,履历,温度数据,区间车,预测评价,评价值,绝对误差,平均误差
AB值：
0.31461
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。
