[发明专利]一种基于多状态模型融合的高速列车轴温在线估计方法

权利要求书

1.一种基于多状态模型融合的高速列车轴温在线估计方法，其特征在于，具体按照以下步骤实施：

步骤1、基于随机森林RF分别建立列车在加速、平稳运行和减速状态下的列车轴温估计模型；

所述步骤1具体按照以下步骤实施：

步骤1.1、分别采集高速列车的运行速度v、轴温T、环境温度C、运行时间t以及载重L，并假设有N个采样样本，将80％的采样数据作为训练集；

步骤1.2、根据训练集中的速度v、时间t计算列车的加速度a，并根据列车的加速度将训练集中的数据分为三种运动工况：分别为加速、平稳运行和减速状态；

步骤1.3、采用Bootstraping方法将步骤1.2中在加速状态下的样本数据随机有放回的取出m个，共进行n₁次采样，生成n₁个训练集，并将v、t、C、L作为自变量，轴温T作为因变量，生成决策树回归模型，最终取其均值，即采用RF算法对加速状态下的数据进行训练得到加速训练模型M₁；

步骤1.4、如步骤1.3中加速状态同理所示，分别将平稳运行状态和减速运行状态下的采样数据用Bootstraping方法进行采样，并用RF算法训练且得到的平稳运行和减速状态下的模型分别为M₂、M₃；

步骤2、基于模糊隶属度建立列车的工况判别模型；

所述步骤2具体按照以下步骤实施：

步骤2.1、模糊变量的确定：步骤1.2中已经根据速度v和时间t计算得到加速度a，并且步骤1.2中也已经将采样数据分为三种运行工况，在这里需要计算不同运行状态下加速度的均值，得到减速、平稳运行、加速运行状态下的均值分别为a₁、a₂、a₃；

步骤2.2、隶属函数的确定，得到减速、平稳运行和减速的隶属度函数

步骤2.3、对得到的隶属度函数按比例重新进行分配：将步骤2.2中计算得到三个隶属度按比例进行分配，分配公式为第i个工况的隶属度按比例重新分配之后用表示，

同时，一个模糊变量分为三个模糊等级，分别为加速、平稳运行和减速，在步骤2中，根据采样数据的速度v和时间t可以计算得到加速度a，从而根据隶属度函数计算该采样数据分别属于三种运动工况的隶属度并对其进行按比例分配后用表示；

所述步骤2.2具体按照以下步骤实施：

步骤2.2.1、首先是隶属中心点的确定，中心点按照加速度均值的方法确定，步骤2.1中已经计算得到中心点分别为加速度均值a₁、a₂、a₃；

步骤2.2.2、隶属函数的确定，在本专利中，采用高斯分布隶属函数，以下三种工况的隶属度函数服从均值分别为a₁、a₂、a₃和方差为σ的正态分布，将模糊变量加速度a代入高斯隶属函数之后，分别得到减速、平稳运行和减速的隶属度函数如公式1～3所示：

步骤3、对步骤1得到的不同工况下的模型和步骤2得到的不同运行工况的隶属度进行融合，得到列车的实时轴温估计模型；

所述步骤3具体按照以下步骤实施：

将速度v、时间t、温度C和载重L作为输入量分别代入所述步骤1得到的加速阶段、平稳运行阶段和减速阶段的模型M₁、M₂、M₃中，并计算其对应的加速度，代入所述步骤2得到的不同状态的隶属度中，对其进行重新分配，并将二者按照公式进行融合，实现在线轴温的估计。