基于最小二乘支持向量机的轨道电路故障诊断方法

被引：31

作者：

王彤

机构：

[1] 兰州交通大学自动化与电气工程学院

来源：

铁道标准设计 | 2014年 / 58卷 / 02期

关键词：

ZPW-2000轨道电路; 故障诊断; 最小二乘支持向量机; 多故障分类;

D O I：

10.13238/j.issn.1004-2954.2014.02.021

中图分类号：

U284.92 [铁路信号设备的保养与检修];

学科分类号：

082301 [道路与铁道工程];

摘要：

为提高轨道电路故障处理效率和正确率,对轨道电路的多故障诊断方法进行研究。建立基于最小二乘支持向量机的轨道电路故障诊断模型,用某轨道电路实测数据进行训练和测试,选择基于BP神经网络的故障诊断方法进行对比。结果表明:基于最小二乘支持向量机的轨道电路故障诊断方法能有效实现轨道电路5种故障的诊断,且具有更快的运算速度。与BP神经网络故障诊断方法比较,故障诊断正确率提高了17.14%,运算时间减少2/3。

引用

收藏

页码：89 / 93

页数：5

相关论文

共 12 条

[1]

ZPW-2000A信号设备故障诊断专家系统研究 [D].

覃定明 .

北京交通大学,

2009

[2]

Feature Vector Selection Method Using Mahalanobis Distance for Diagnostics of Analog Circuits Based on LS-SVM [J].

Long, Bing ;

Tian, Shulin ;

Wang, Houjun .

JOURNAL OF ELECTRONIC TESTING-THEORY AND APPLICATIONS, 2012, 28 (05) :745-755

[3]

Fault diagnosis in railway track circuits using Dempster–Shafer classifier fusion.[J]..Engineering Applications of Artificial Intelligence.2009, 1

[4]

ZPW-2000A移频自动闭塞系统原理、维护和故障处理.[M].李文海; 主编.中国铁道出版社.2010,

[5]

基于D-S证据理论信息融合的轨道电路故障诊断方法研究 [J].

李娜 ;

董海鹰 .

铁道科学与工程学报, 2012, (06) :107-112

[6]

轨道电路故障预测与健康管理体系结构设计 [J].

黄赞武 ;

魏学业 ;

李绍斌 .

计算机工程, 2012, 38 (20) :232-235

[7]

基于数据的轨道电路故障诊断的混合算法 [J].

杨世武 ;

魏学业 ;

范博 ;

蒋大明 .

北京交通大学学报, 2012, 36 (02) :40-46+61

[8]

飞控系统神经网络故障模式分类方法研究 [J].

顾伟 ;

黄志毅 ;

章卫国 ;

刘小雄 .

计算机仿真, 2011, 28 (05) :52-55

[9]

基于遗传算法的无绝缘轨道电路故障综合诊断方法 [J].

赵林海 ;

冉义奎 ;

穆建成 .

中国铁道科学, 2010, 31 (03) :107-114

[10]

层次聚类LSSVM在模拟电路故障诊断中的应用 [J].

冯磊 ;

王宏力 ;

侯青剑 ;

杨建飞 .

计算机测量与控制, 2009, (02) :296-298