孟建军 潘彦龙 陈晓强 李德仓 胥如迅

(①兰州交通大学机电技术研究所,甘肃 兰州730070；②甘肃省物流及运输装备信息化工程技术研究中心,甘肃 兰州 730070；③兰州交通大学机电工程学院,甘肃 兰州 730070；)

转向架上轴箱、齿轮箱、电机等重要位置都分布有轴承，在确保列车运行安全方面，轴承是不可或缺的[1]。

列车运行中轴承异常温升是危及铁路运输安全的严重故障，轻则造成紧急停车引起经济损失，重则可能引发列车脱轨危及旅客生命安全[2]。温度可以直接反应轴承的工作状态，温度的异常是轴承发生故障的重要信号。现有车载轴温监测系统可以对轴温进行实时监测，通过设定的阈值来对轴温进行预警。但是一旦发生报警，必须立即进行处理，留给相关人员的处理时间少。因此，通过对高速列车的轴温进行预测追踪，提前掌握下一时段轴温的变化趋势，为处理轴温异常预留足够时间，对高速列车预警及调整行车策略有重要的工程价值[3]。

针对温度的预测研究，Qiu Rujian等采用长短期记忆网络对河流日水温进行预测[4]。张恒志等根据车载系统收集的走行部数据是多维时间序列的特点，提出一种基于稀疏注意力机制的城轨车辆轴温预测模型[5]。宋佳音采用加权混合法和卡尔曼融合算法对ARIMA模型和PSO-SVM模型进行了融合分析[6]。张继冬等建立了基于服役工况参数的SVM轴承温度预测模型[7]。梁涛等基于灰色关联度理论提出变权组合方法对齿轮箱温度进行预测[8]。……