基于改进深度森林的机车牵引电机温度异常预警
DOI: https://doi.org/10.64083/STE2610416
作者
提彤，徐隆
摘要
机车牵引电机是列车动力核心，其温度异常易引发安全事故，实现温度异常精准预警对保障列车可靠运行至关重要。针对传统方法工况适应性弱、特征挖掘不足、预警滞后与误报率高等问题，提出一种基于改进深度森林的温度异常预警方法。对定子温度、负载电流、转速等多源监测数据进行小波去噪、标准化与异常样本剔除等预处理；构建改进深度森林模型，引入自适应特征加权，以随机森林与极端随机树为基分类器，并通过贝叶斯优化超参数。以HXD3D型机车实际运行数据验证，该方法较传统模型预警准确率、召回率、F1分数分别提升8.3%、9.7%、9.1%，误报率降低11.2%，预警提前15–20min，可实现电机温度异常精准超前预警。
关键词
机车牵引电机；温度异常预警；改进深度森林；自适应特征加权；贝叶斯优化；多源监测数据
