-
题名基于MK-RVM的地铁列车继电器剩余寿命预测
被引量：2
- 1
-
-
作者
马垚
胡新杨
刘志强
魏秀琨
-
机构
北京市地铁运营有限公司运营二分公司
北京交通大学先进轨道交通自主运行全国重点实验室
-
出处
《现代城市轨道交通》
2025年第3期71-79,共9页
-
基金
自然科学横向项目(I23L00270)——继电器可靠性评估及剩余寿命预测研究。
-
文摘
继电器作为地铁列车电气系统的关键部件,其可靠性直接影响地铁列车的安全运行。因此,对地铁列车继电器的剩余寿命(RUL)进行精准预测尤为重要。文章提出一种基于多核相关向量机(MK-RVM)的继电器剩余寿命预测模型,并通过贝叶斯优化算法对相关超参数进行优化。该模型能够基于预测得到的RUL值和方差获得累积分布函数,进而估算在当前开合次数下继电器至少还能运行一段时间的概率。同时以A型号继电器为例,通过搭建的继电器特性参数测试实验台采集10种时间特征参数,并基于筛选的关键特征参数进行剩余寿命预测实验。实验结果显示,A型号继电器两对触点RUL预测的平均均方根误差为48966,即预测误差约为4个月,充分证明MK-RVM方法在继电器剩余寿命预测中的有效性。
-
关键词
地铁
列车继电器
剩余寿命预测
相关向量机
mk-rvm
-
Keywords
metro
train electromagnetic relays
RUL prediction
relevance vector machine
mk-rvm
-
分类号
U284.71
[交通运输工程—交通信息工程及控制]
-
-
题名露天矿边坡变形预测的协同进化多核相关向量机模型
被引量：7
- 2
-
-
作者
罗亦泳
张立亭
鲁铁定
周世健
-
机构
东华理工大学测绘工程学院
武汉大学测绘学院
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2016年第11期110-114,共5页
-
基金
国家自然科学基金资助(41374007)
江西省自然科学基金资助(20151BAB213031)
江西省教育厅科学技术研究项目(GJJ150592)
-
文摘
为提高露天矿边坡变形预测精度,利用协同进化粒子群(CEPSO)优化多核相关向量机(MK-RVM)的参数,构建协同进化多核相关向量机(CEPSO-MK-RVM),并将此模型应用于露天矿边坡变形预测。将CEPSO-MK-RVM的结果与协同进化多项式核函数相关向量机(CEPSO-PolyRVM)、协同进化高斯核函数相关向量机(CEPSO-Gauss-RVM)及修正果蝇优化下的支持向量回归(MFOA-SVR)的结果进行对比,并分析CEPSO对MK-RVM参数的优化效果。结果表明,CEPSO比标准粒子群优化(PSO)算法具有更好的优化效率及最优解;用CEPSO-MK-RVM模型得到的结果,4个精度指标均优于其余3种方法,边坡变形预测的精度得到有效提高。
-
关键词
边坡变形
多核相关向量机(mk-rvm)
协同进化粒子群(CEPSO)
露天矿
多核函数
-
Keywords
slope deformation
multi-kernel relevance vector machine（mk-rvm）
co evolution particle swarm optimization（CEPSO）
open-pit mine
multiple kernel function
-
分类号
X936
[环境科学与工程—安全科学]
-
