来源：期刊VIP网 时间：
作者：贺鑫来;孙庚;汪敏捷;翟逸男;陈岩霖;尹娴;冯艳红;
单位：大连海洋大学信息工程学院;
摘要：牵引系统作为列车动能转换的关键模块，如果发生故障会给整车正常运行带来重大安全隐患，所以对其进行故障预测具有重要意义。然而，传统预测方法存在高度依赖人工经验判断、不能包含大量故障特征、预测精度不足等问题。为此，文中提出一种基于时序数据的故障预测方法。利用XGBoost算法对列车牵引变流器系统的故障特征进行计算和筛选，确定与变流器故障相关性较强的关键特征；采用贝叶斯优化的LSTM模型自适应地学习多源变量数据特征，利用时间窗对特征变量数据进行截取，实现对不同类型故障的预测。实验结果表明，所提方法在预测变流器场景下的6种故障时准确率可达到91%以上。
关键词：牵引系统;;故障预测;;时序数据;;XGBoost算法;;LSTM;;时间窗
基金资助：大连海洋大学科研项目：轨道列车智能运维管理平台（2023001）
