基于模糊聚类算法的S700K型电动转辙机运行状态评估 被引量：6

1

作者 魏文军 李政 +1 位作者 武晓春 高利民 《铁道学报》 EI CAS CSCD 北大核心 2022年第4期74-81,共8页

为解决S700K型电动转辙机正常、亚健康、故障和严重故障等全周期运行状态难以评估的问题,考虑其动作功率曲线和状态信息的一致性,结合局部均值分解(LMD)和排列熵(PE)理论,提出基于模糊聚类分析的S700K型电动转辙机运行状态评估算法。首... 为解决S700K型电动转辙机正常、亚健康、故障和严重故障等全周期运行状态难以评估的问题,考虑其动作功率曲线和状态信息的一致性,结合局部均值分解(LMD)和排列熵(PE)理论,提出基于模糊聚类分析的S700K型电动转辙机运行状态评估算法。首先利用LMD分解将曲线分解成不同频率特性的乘积函数分量;其次结合PE算法量化不同分量复杂度,构建功率曲线的特征向量;最后用不同运行状态下的特征向量建立初始模糊矩阵,利用模糊聚类方法求得模糊相似矩阵和模糊等价矩阵。当置信因子从大到小变化时,由对应布尔矩阵得到动态聚类图,在置信因子取特定值时,测试集和样本集进行了匹配分类,从而实现了转辙机运行状态评估。实验结果表明,该算法模型具有结构简单、自适应和小样本的优势,更容易有效识别转辙机全周期运行状态。 展开更多

关键词 s700k型电动转辙机 运行状态评估 局部均值分解 排列熵 模糊聚类

在线阅读 下载PDF 职称材料

基于DRSN-BiLSTM的S700K转辙机故障诊断

2

作者 王瑞峰 王智 《电子测量与仪器学报》 CSCD 北大核心 2024年第11期70-78,共9页

在铁路系统中,转辙机是确保列车安全顺畅运行的关键设备。S700K转辙机的故障诊断对于预防事故和维护铁路运营至关重要。为了解决传统诊断方法在速度和准确性上的不足,提出了一种融合深度残差收缩网络(DRSN)与双向长短期记忆神经网络(BiL... 在铁路系统中,转辙机是确保列车安全顺畅运行的关键设备。S700K转辙机的故障诊断对于预防事故和维护铁路运营至关重要。为了解决传统诊断方法在速度和准确性上的不足,提出了一种融合深度残差收缩网络(DRSN)与双向长短期记忆神经网络(BiLSTM)的诊断模型。首先,对转辙机功率曲线进行预处理;其次,利用DRSN对预处理数据进行自动特征学习,并压缩数据长度,提高诊断的快速性,其注意力机制和软阈值化降低了噪声特征的影响,并且DRSN网络结构有助于克服网络退化和过拟合的问题;随后,利用BiLSTM的双向结构捕捉时间序列数据中复杂的关系;最后使用Softmax分类器进行故障分类。仿真结果表明DRSN-BiLSTM模型的准确率、精确率、召回率均超过了98.3%,并且该模型故障诊断的准确率相较于DRSN、深度神经网络(DNN)和卷积神经网络(CNN)等模型至少提高了1.47%,并且在添加15~40 db高斯白噪声情况下准确率保持在92.7%以上,较其余模型至少提升2%。该模型在确保训练过程的高效性的同时提升了转辙机故障诊断准确率,并且在噪声环境下展现出了优秀的鲁棒性。 展开更多

关键词 DRsN BiLsTM s700k转辙机 故障诊断

在线阅读 下载PDF 职称材料

基于主成分分析和深度森林算法的S700K转辙机故障诊断 被引量：6

3

作者 胡小晨 郭宁 +1 位作者 沈拓 董德存 《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第1期35-40,共6页

针对目前转辙机故障诊断准确性不高、效率低等问题,提出了一种基于主成分分析(PCA)和深度森林(gcForest)算法的故障诊断方法。对于S700K转辙机11种故障模式下的电流、功率曲线,采用主成分分析进行电流特征值特征简约,然后使用嵌入简约... 针对目前转辙机故障诊断准确性不高、效率低等问题,提出了一种基于主成分分析(PCA)和深度森林(gcForest)算法的故障诊断方法。对于S700K转辙机11种故障模式下的电流、功率曲线,采用主成分分析进行电流特征值特征简约,然后使用嵌入简约特征值的改进深度森林模型提高数据处理能力,增强模型内在特征代表性。结果表明,改进深度森林模型故障诊断准确率为97.62%,验证了该方法的有效性和优越性。 展开更多

关键词 故障诊断 s700k转辙机 主成分分析(PCA) 深度森林(gcForest)算法

在线阅读 下载PDF 职称材料

基于1DCNN-BiLSTM组合模型的S700K转辙机故障诊断 被引量：12

4

作者 王瑞峰 李扬 《电子测量与仪器学报》 CSCD 北大核心 2022年第11期193-200,共8页

针对S700K转辙机故障诊断有效特征提取困难,信号处理与分类算法难以联合优化的问题,提出了一维卷积神经网络(1DCNN)与双向长短期记忆神经网络(bidirectional long short-term memory, BiLSTM)结合的转辙机故障诊断方法。首先,对微机监... 针对S700K转辙机故障诊断有效特征提取困难,信号处理与分类算法难以联合优化的问题,提出了一维卷积神经网络(1DCNN)与双向长短期记忆神经网络(bidirectional long short-term memory, BiLSTM)结合的转辙机故障诊断方法。首先,对微机监测系统采集的转辙机功率曲线进行处理;其次,通过卷积神经网络(convolution neural networks, CNN)的卷积层和池化层对处理后的数据自适应提取故障特征;再经过扁平层(Flatten)把提取的故障特征作为BiLSTM层的输入,进一步挖掘深层次的特征;最后使用Softmax函数实现智能故障诊断。以某铁路局提供的真实数据验证模型,结果显示所提模型的精确率、召回率和F1值等评价指标分别达到98.99%、98.89%和98.89%,相较于其他经典故障诊断模型,1DCNN-BiLSTM模型在保证训练速度较快的情况下,将故障诊断的准确率至少提升了1.08%。 展开更多

关键词 1DCNN BiLsTM s700k转辙机 故障诊断

在线阅读 下载PDF 职称材料

基于EEMD多尺度模糊熵的S700K转辙机故障诊断 被引量：12

5

作者 魏文军 刘新发 +1 位作者 张轩铭 武晓春 《铁道学报》 EI CAS CSCD 北大核心 2022年第5期60-66,共7页

为了更加有效地提取S700K转辙机典型故障下动作功率曲线的故障特征,基于集合经验模态分解和多尺度模糊熵的方法提出一种新的故障诊断方法。首先对S700K转辙机动作功率曲线进行集合经验模态分解,计算获得包含不同时间信息的本征函数;然... 为了更加有效地提取S700K转辙机典型故障下动作功率曲线的故障特征,基于集合经验模态分解和多尺度模糊熵的方法提出一种新的故障诊断方法。首先对S700K转辙机动作功率曲线进行集合经验模态分解,计算获得包含不同时间信息的本征函数;然后对不同时间维度的分量提取模糊熵作为特征参数,由于模糊熵能辨别出信号的细微特征,从而可以获得原始信号多个维度的细微特征作为S700K转辙机不同状态下的特征参数;最后根据灰色关联度分析算法计算待检曲线和各故障曲线特征值之间的灰关联度值,由该值确定S700K转辙机的故障类型。实验结果表明,该诊断模型能显著提高S700K转辙机的故障诊断精度,且具有较好地适应性。 展开更多

关键词 s700k转辙机 功率曲线 集合经验模态分解 模糊熵 灰色关联度

在线阅读 下载PDF 职称材料

基于KPCA-SVM的S700K转辙机故障诊断方法 被引量：6

6

作者 张友鹏 魏智健 +1 位作者 杨妮 张迪 《安全与环境学报》 CAS CSCD 北大核心 2023年第9期3089-3097,共9页

针对S700K转辙机动作功率曲线非线性特征多样化、复杂化的特点,提出了一种基于核主成分分析(Kernel Principal Component Analysis,KPCA)和支持向量机(Support Vector Machine,SVM)的智能故障诊断方法。首先,对S700K转辙机的功率曲线进... 针对S700K转辙机动作功率曲线非线性特征多样化、复杂化的特点,提出了一种基于核主成分分析(Kernel Principal Component Analysis,KPCA)和支持向量机(Support Vector Machine,SVM)的智能故障诊断方法。首先,对S700K转辙机的功率曲线进行分析,研究正常曲线变化规律,总结常见故障类型功率曲线的变化现象和故障原因。然后,从功率曲线中提取10种时域特征值组成初始特征数据集,用KPCA算法将特征数据映射到高维特征空间中对其进行PCA降维,得到故障样本的非线性主成分。最后,将得到的非线性主成分作为多分类SVM的输入样本进行故障模式识别。采用粒子群优化(Particle Swarm Optimization,PSO)算法分别对核函数参数和SVM惩罚因子进行优化,提高模型的诊断精度。仿真结果表明,该模型能够有效提取转辙机故障信号的非线性特征,故障诊断精度达到97%,诊断时间较短,适用于准确性、实时性要求更高的提速道岔。 展开更多

关键词 安全工程 s700k转辙机 故障诊断 核主成分分析 粒子群优化算法 支持向量机

在线阅读 下载PDF 职称材料

基于灰色神经网络的S700K转辙机故障诊断方法研究 被引量：46

7

作者 王瑞峰 陈旺斌 《铁道学报》 EI CAS CSCD 北大核心 2016年第6期68-72,共5页

针对目前S700K电动转辙机故障识别手段相对落后这一问题,本文通过分析说明其运行状态可通过功率曲线间接反映。根据微机监测系统存储的常见故障下的功率曲线建立故障诊断特征集,利用神经网络的高度并行运算能力,将灰色关联分析和神经网... 针对目前S700K电动转辙机故障识别手段相对落后这一问题,本文通过分析说明其运行状态可通过功率曲线间接反映。根据微机监测系统存储的常见故障下的功率曲线建立故障诊断特征集,利用神经网络的高度并行运算能力,将灰色关联分析和神经网络技术相结合,建立灰色神经网络,计算待检功率曲线和各故障曲线之间的灰色关联度值,根据该值的大小判断转辙机的当前运行状态,实现S700K转辙机的故障诊断。从微机监测系统获取多组S700K转辙机动作功率数据作为测试样本集,对其进行验证计算,所得结果均与现场检修结果一致。 展开更多

关键词 s700k转辙机 故障诊断 功率曲线 灰色神经网络

在线阅读 下载PDF 职称材料

基于功率曲线时域特征和变分模态分解的S700K转辙机运行状态诊断算法 被引量：4

8

作者 魏文军 李政 武晓春 《中国铁道科学》 EI CAS CSCD 北大核心 2022年第3期144-154,共11页

根据S700K转辙机动作功率曲线非线性、非平稳、能充分反映转辙机不同状态信息的特点,提出基于功率曲线时域特征和变分模态分解、排列熵和模糊聚类分析的S700K转辙机全周期状态诊断算法。获取典型功率曲线,计算其有效值、峰值因子和峭度... 根据S700K转辙机动作功率曲线非线性、非平稳、能充分反映转辙机不同状态信息的特点,提出基于功率曲线时域特征和变分模态分解、排列熵和模糊聚类分析的S700K转辙机全周期状态诊断算法。获取典型功率曲线,计算其有效值、峰值因子和峭度因子作为时域特征值,用于描述功率曲线能量特征、冲击特性及概率密度;为弥补曲线类型中时域特征值差异不明显的特征表征,采用变分模态分解将功率曲线分解成具有不同频率特性的模态函数,计算不同模态函数的排列熵得到4个频域特征值;将时、频域共计7个特征值作为运行状态特征集,使用模糊聚类算法对特征集进行运行状态诊断,得到S700K转辙机的运行状态(正常、亚健康、故障和严重故障)。实例应用结果表明:对选取的60组曲线,本文算法诊断正确率为98.33%;故障库为30条曲线时,程序运行时间不超过1.3 s;采用该算法,无须对模型进行训练,便能准确有效地诊断S700K转辙机运行状态,适合S700K转辙机样本少的特点。 展开更多

关键词 提速道岔 s700k转辙机 功率曲线 状态诊断 变分模态分解 排列熵 模糊聚类算法

在线阅读 下载PDF 职称材料

基于CEEMDAN与改进核极限学习机的S700K转辙机健康状态诊断 被引量：4

9

作者 米根锁 窦媛媛 《电子测量与仪器学报》 CSCD 北大核心 2023年第6期232-239,共8页

针对S700K转辙机健康状态分类过于粗放、诊断速度慢、效率低的问题,提出一种基于CEEMDAN与改进核极限学习机(kernel based extreme learning machine,KELM)的诊断方法。首先,对S700K转辙机功率数据进行自适应噪声完备集合经验模态分解,... 针对S700K转辙机健康状态分类过于粗放、诊断速度慢、效率低的问题,提出一种基于CEEMDAN与改进核极限学习机(kernel based extreme learning machine,KELM)的诊断方法。首先,对S700K转辙机功率数据进行自适应噪声完备集合经验模态分解,得到6个本征模态函数(intrinsic mode function,IMF);然后,计算本征模态函数的模糊熵值(fuzzy entropy,fuzzyEn,FE)作为表征转辙机健康状态的特征参数;最后,利用麻雀算法(sparrow search algorithm,SSA)改进的核极限学习机对9种健康状态进行健康诊断,并与SVR和ELM模型进行对比。仿真结果表明,改进核极限学机模型准确率、精确率、召回率等指标分别达到97.8%、98.0%、97.8%,相较于SVR和ELM模型,SSA-KELM模型在保证运行速度的基础上,将诊断准确率至少提高2.2%。 展开更多

关键词 CEEMDAN 改进核极限学习机 s700k转辙机 健康状态诊断

在线阅读 下载PDF 职称材料

基于RS和GCA-TOPSIS的S700K转辙机故障诊断方法 被引量：3

10

作者 米根锁 王林洁 《安全与环境学报》 CAS CSCD 北大核心 2021年第3期1022-1027,共6页

针对目前S700K转辙机故障诊断效率低、准确性不高等问题,提出了一种基于粗糙集、灰色关联分析与理想排序法相结合的转辙机故障诊断方法。首先以微机监测系统(Maintenance and Monitor System,MMS)存储的常见转辙机故障功率曲线数据作为... 针对目前S700K转辙机故障诊断效率低、准确性不高等问题,提出了一种基于粗糙集、灰色关联分析与理想排序法相结合的转辙机故障诊断方法。首先以微机监测系统(Maintenance and Monitor System,MMS)存储的常见转辙机故障功率曲线数据作为数据源,提取功率曲线在各工作区段的特征参数,构建故障特征集。然后针对冗余特征,采用粗糙集理论中的约简算法以属性重要度为选择标准,对特征集进行约简,降低特征集的维度。最后将灰色关联分析和逼近理想排序法相结合,计算待检样本与各故障类型间的曲线贴合度,判断待检样本与各故障类型间的紧密程度,将最大曲线贴合度对应的故障类型作为待检样本的诊断结果。实例分析表明,该方法能够准确地诊断出转辙机故障且诊断效率和准确性较高,能够满足铁路现场实际需要。 展开更多

关键词 安全工程 s700k转辙机 故障诊断 粗糙集 灰关联分析 理想排序法

在线阅读 下载PDF 职称材料

基于改进WNN分析功率曲线的S700K转辙机故障诊断 被引量：22

11

作者 张钉 李国宁 《铁道科学与工程学报》 CAS CSCD 北大核心 2018年第8期2123-2130,共8页

基于S700K转辙机常见故障下的功率曲线提出一种将小波变换、改进型遗传算法与神经网络相结合的故障诊断方法。用相应故障模式下的功率信号进行正交小波分解,把结果作为神经网络的输入特征向量,利用改进的遗传算法优化BP神经网络的参数,... 基于S700K转辙机常见故障下的功率曲线提出一种将小波变换、改进型遗传算法与神经网络相结合的故障诊断方法。用相应故障模式下的功率信号进行正交小波分解,把结果作为神经网络的输入特征向量,利用改进的遗传算法优化BP神经网络的参数,用训练好的BP神经网络进行故障诊断。研究结果表明:该方法可以有效的运用到S700K转辙机的故障诊断中,并提高转辙机故障诊断的精度与速度。 展开更多

关键词 s700k转辙机 功率曲线 小波变换 神经网络 故障诊断

在线阅读 下载PDF 职称材料

基于模糊聚类方法的S700K转辙机故障诊断 被引量：11

12

作者 刘新发 魏文军 《中南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2019年第9期2148-2155,共8页

针对S700K转辙机动作功率曲线非线性、非平稳的特点,提出一种基于模糊聚类的信号分析及故障诊断方法。该方法对转辙机故障下的动作功率曲线提取特征值,由各模式下的10种特征值组成特征模式矩阵,利用模糊聚类分析算法求该矩阵的模糊相似... 针对S700K转辙机动作功率曲线非线性、非平稳的特点,提出一种基于模糊聚类的信号分析及故障诊断方法。该方法对转辙机故障下的动作功率曲线提取特征值,由各模式下的10种特征值组成特征模式矩阵,利用模糊聚类分析算法求该矩阵的模糊相似矩阵与模糊等价矩阵,在模糊等价矩阵中,当可变阈值λ在[0,1]内变动时,模糊等价矩阵转化为等价的布尔矩阵,由布尔矩阵可以形成动态聚类图并得到分类结果,从而实现故障诊断。研究结果表明:该算法能够准确地提取故障特征且支持多种故障同时检测,有效提高了S700K转辙机故障诊断的精度与诊断效率。 展开更多

关键词 s700k转辙机 动作功率曲线 模糊聚类 等价矩阵

在线阅读 下载PDF 职称材料

HHT和GCA-NBC在S700K转辙机故障诊断中的应用 被引量：1

13

作者 王林洁 米根锁 《传感器与微系统》 CSCD 北大核心 2021年第7期151-155,共5页

针对S700K转辙机故障现象与故障类型之间存在不确定性关系,提出一种基于希尔伯特-黄变换(HHT),灰色关联分析(GCA)和朴素贝叶斯分类器(NBC)的转辙机故障诊断方法。首先对转辙机功率曲线进行HHT,提取转辙机故障特征;其次采用属性约简对故... 针对S700K转辙机故障现象与故障类型之间存在不确定性关系,提出一种基于希尔伯特-黄变换(HHT),灰色关联分析(GCA)和朴素贝叶斯分类器(NBC)的转辙机故障诊断方法。首先对转辙机功率曲线进行HHT,提取转辙机故障特征;其次采用属性约简对故障特征进行约简降低其维度;最后运用GCA-NBC模型将约简后的故障特征融合,通过网络推理计算各类型的后验概率值,从而确定故障类型。通过实例分析,验证了该方法的准确性和快速性。 展开更多

关键词 s700k转辙机 故障诊断 贝叶斯网络 希尔伯特-黄变换 灰色关联分析

在线阅读 下载PDF 职称材料

S700K转辙机的原理及故障处理探究 被引量：3

14

作者 涂海燕 刘诗雄 《湖北农机化》 2019年第24期154-154,共1页

在介绍S700K转辙机的工作原理,即启动电路、动作电路和表示电路的基础上,根据道岔转换过程中的流程图和故障现象来对S700K转辙机的故障进行分析处理。

关键词 s700k 转辙机 故障处理 道岔控制

在线阅读 下载PDF 职称材料

某轨道交通道岔控制考核系统的S700K转辙机故障处理探析 被引量：1

15

作者 涂海燕 刘诗雄 《湖北农机化》 2019年第23期101-101,共1页

运用某轨道交通道岔控制智能考核系统对S700K转辙机进行开路故障训练,在排故过程中,通过故障分类以及借用静态表示电路来查找动作电路中公共线路故障等方法来进行故障定位,有利于增强S700K转辙机故障分析和处理能力。基于某轨道交通道... 运用某轨道交通道岔控制智能考核系统对S700K转辙机进行开路故障训练,在排故过程中,通过故障分类以及借用静态表示电路来查找动作电路中公共线路故障等方法来进行故障定位,有利于增强S700K转辙机故障分析和处理能力。基于某轨道交通道岔控制智能考核系统,对S700K的故障处理进行一些思考和总结。 展开更多

关键词 s700k 转辙机 开路故障

在线阅读 下载PDF 职称材料

S7OOK型道岔灰显故障及改进措施 被引量：1

16

作者 李文雄 刘文提 王文志 《都市快轨交通》 2008年第6期89-90,共2页

通过分析S700K型道岔发生灰显故障的各种原因,提出相应的改进措施。采用冗余技术,解决道岔速动开关和安全开关接点接触不良的问题,消除道岔灰显故障,减少对运营的影响。

关键词 s700k型道岔 灰显故障 开关接点 故障处理

在线阅读 下载PDF 职称材料

基于CEEMDAN与KFCM聚类的转辙机退化状态识别方法 被引量：2

17

作者 张友鹏 张迪 +1 位作者 杨妮 魏智健 《中国铁道科学》 EI CAS CSCD 北大核心 2023年第1期194-201,共8页

针对道岔转换设备在使用寿命内的功率信号特征提取与退化状态识别问题,提出基于自适应白噪声完备经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)与核模糊C均值聚类(Kernel-based Fuzzy C-M... 针对道岔转换设备在使用寿命内的功率信号特征提取与退化状态识别问题,提出基于自适应白噪声完备经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)与核模糊C均值聚类(Kernel-based Fuzzy C-Means clustering,KFCM)相结合的转辙机退化状态识别方法。首先,对S700K转辙机采集的功率曲线数据进行模态分解,得到多个固有模态函数(Intrinsic Mode Functions,IMFs),通过IMFs的能量幅值获得表征数据退化过程的特征向量;然后,由KFCM算法对特征向量进行转辙机退化状态识别,并进行状态划分;最后,通过计算分类系数和平均模糊熵对该方法的分类性能进行综合评估,并与模糊C均值聚类(Fuzzy C-Means clustering,FCM)和GK(Gustafson Keseel)聚类算法进行比较。结果表明:该方法聚类效果准确率达95.6%,优于FCM和GK聚类算法,能对转辙机的退化状态进行科学划分,为铁路现场道岔设备健康状态监测提供理论支撑。 展开更多

关键词 退化状态 s700k转辙机 特征提取 kFCM聚类 聚类识别

在线阅读 下载PDF 职称材料

基于Mallat小波分解与改进GWO-SVM的道岔故障诊断 被引量：27

18

作者 孔令刚 焦相萌 +1 位作者 陈光武 范多旺 《铁道科学与工程学报》 CAS CSCD 北大核心 2020年第5期1070-1079,共10页

为顺应道岔故障诊断向智能化和自动化的发展趋势,以S700K转辙机功率曲线为例,提出一种改进型灰狼优化算法(GWO)与支持向量机(SVM)相结合的故障诊断方法。在8种故障模式和正常模式所对应的功率曲线实施5层Mallat小波分解,得到各层近似系... 为顺应道岔故障诊断向智能化和自动化的发展趋势,以S700K转辙机功率曲线为例,提出一种改进型灰狼优化算法(GWO)与支持向量机(SVM)相结合的故障诊断方法。在8种故障模式和正常模式所对应的功率曲线实施5层Mallat小波分解,得到各层近似系数和细节系数,并计算各层系数的平方和;利用主成分分析法对系数平方和组成的向量集进行降维,得到特征向量集;改进型灰狼优化算法优化支持向量机参数,并用优化好的支持向量机进行故障预测。研究结果表明:该方法能有效提高道岔故障诊断的准确率。 展开更多

关键词 道岔故障诊断 支持向量机 s700k转辙机 灰狼优化算法 Mallat小波分解

在线阅读 下载PDF 职称材料

基于多域特征提取与改进PSO-PNN的道岔故障诊断 被引量：18

19

作者 孔令刚 焦相萌 +1 位作者 陈光武 范多旺 《铁道科学与工程学报》 CAS CSCD 北大核心 2020年第6期1327-1336,共10页

针对S700K常见的8种故障模式和正常模式所对应功率曲线,提出一种基于概率神经网络(PNN)与改进的粒子群算法(PSO)相结合的道岔故障诊断方法。首先,在9种功率曲线上分别提取时域、频域特征统计量和时频域小波系数,并用主成分分析法降维每... 针对S700K常见的8种故障模式和正常模式所对应功率曲线,提出一种基于概率神经网络(PNN)与改进的粒子群算法(PSO)相结合的道岔故障诊断方法。首先,在9种功率曲线上分别提取时域、频域特征统计量和时频域小波系数,并用主成分分析法降维每个域的特征量,得到特征向量;其次,以3个改进的PSO-PNN做分类器,并对分类器进行训练和预测;最后,3个分类器的预测结果做三取二表决。仿真结果表明:该方法能有效提高道岔故障诊断的准确率,具有良好的容错性。 展开更多

关键词 道岔故障诊断 s700k转辙机 概率神经网络 粒子群算法 三取二表决

在线阅读 下载PDF 职称材料

基于CDET/MPSO-SVM的道岔故障诊断 被引量：12

20

作者 刘应君 司涌波 +1 位作者 陈光武 魏宗寿 《北京交通大学学报》 CAS CSCD 北大核心 2021年第2期52-59,共8页

针对目前铁路道岔故障率高,维护质量低等问题,以S700K型转辙机功率曲线为研究对象,提出一种补偿距离评估技术(Compensation Distance Evaluation Technique,CDET)结合改进的粒子群算法(Modified Particle Swarm Optimization,MPSO)优化... 针对目前铁路道岔故障率高,维护质量低等问题,以S700K型转辙机功率曲线为研究对象,提出一种补偿距离评估技术(Compensation Distance Evaluation Technique,CDET)结合改进的粒子群算法(Modified Particle Swarm Optimization,MPSO)优化支持向量机(Support Vector Machine,SVM)的道岔智能故障诊断方法.首先,通过分析S700K转辙机动作机理,将功率曲线分成启动、解锁、转换、锁闭、构通表示5个阶段,分别提取各阶段道岔功率曲线相应的特征集;然后,利用补偿距离评估技术对提取的特征候选集进行降维,选出敏感特征;最后,引入扰动项和动量项对粒子群算法进行改进并优化SVM相关参数,作为分类器对道岔故障进行预测,并与基于PSO-SVM,SVM等分类算法进行比较.仿真验证表明:该方法诊断正确率达到97%以上,能有效地识别道岔故障类型. 展开更多

关键词 故障诊断 道岔 s700k转辙机 改进粒子群算法 支持向量机 补偿距离评估技术

在线阅读 下载PDF 职称材料