摘要
列车制动系统是保障列车行车安全和高效运行的关键组成部分,本文提出了一种基于支持向量机(SVM)方法的列车制动预测模型。该模型分析列车制动过程,采用制动实车数据构建适用于SVM的训练数据集,通过优化调节模型参数,利用SVM算法实现了列车制动预测。经线路实车数据验证评估,该模型在3分钟内预测准确度高于97.3%,在列车制动预测中具有可靠的时效性和准确性,能够有效应用于实际列车运行中的制动预测任务。
The train braking system is a crucial component to ensure the safe,precise,and efficient operation of trains.This paper proposes a train braking prediction model based on the Support Vector Machine(SVM)method.The model analyzes the train braking process,utilizes actual braking data to construct a training dataset suitable for SVM,optimizes and adjusts model parameters,and implements train braking prediction using the SVM algorithm.Through validation and evaluation with real train data,the model achieves a prediction accuracy of over 97.3%within 3 minutes,demonstrating reliable timeliness and accuracy in train braking prediction.It can effectively be applied to braking prediction tasks in actual train operations.
作者
房楠
朱亚男
Fang Nan;Zhu Ya'nan
出处
《时代汽车》
2025年第3期187-189,共3页
Auto Time
基金
陕西省教育厅2023年度自然科学类专项科研计划项目“基于改进单质点牵引计算模型的列车停车对标仿真训练系统”(编号:23JK0623)。
作者简介
房楠:(1989-),女,汉族,陕西商洛人,硕士,研究方向为机车制动、智能制造技术。
