Track circuit fault diagnosis based on particle swarm optimization and support vector machine
-
摘要: 支持向量机（SVM）是一种解决小样本分类问题的最佳理论算法，它的核函数的参数选择非常重要，直接影响着故障诊断的准确率。本文将粒子群算法（PSO）用于支持向量机的参数优化，提出基于粒子群支持向量机的故障诊断模型，并将其运用于轨道电路中。通过对比MATLAB仿真结果得出：经过粒子群寻优得到的参数比随机选取的参数更优，所建立的PSO-SVM模型的故障诊断准确率高于普通的SVM模型。Abstract: Support vector machine (SVM) is one of the best theoretical algorithm to solve the problem of small sample classification. Kernel parameter selection is very important, which directly affects the accuracy of fault diagnosis. In this paper, the particle swarm optimization (PSO) was used to optimize the parameters of SVM, the PSO-SVM model was proposed which was applied to fault diagnosis of track circuit. By comparing the MATLAB simulation results, it was concluded that the parameters obtained by PSO were better than the random parameters, and the fault diagnosis accuracy of the established PSO-SVM model was higher than that of the ordinary SVM model.
-
-
[1] 李文海.ZPW-2000A 移频自动闭塞系统原理、维护和故障处理[M]. 北京：中国铁道出版社，2010 ：6-28. [2] 陈永义，熊秋芬. 支持向量机方法应用教程[M]. 北京：气象出版社，2011 ：5-10. [3] 赵林海, 冉义奎, 穆建成. 基于遗传算法的无绝缘轨道电路故障综合诊断方法[J]. 中国铁道科学，2010，31（3）：107-113. [4] 黄赞武. 轨道电路故障预测与健康管理关键技术研究[D]. 北京：北京交通大学，2013. [5] 王 彤. 基于最小二乘支持向量机的轨道电路故障诊断方法[J]. 铁道标准设计，2014，58（2）：90-93. [6] 邓乃扬，田英杰. 数据挖掘中的新方法—支持向量机[M].北京：科学出版社，2004. [7] Kennedy J, Eberhart R C. Particle swarm optimization [C].Proc of IEEE International Conference on Nerual Networks, 1995:1942-1948. [8] REN Neng , LIANG Jun, GU Bo, et al. Fault diagnosis strategy for incompletely described sampels and its application to refrigeration system [J] . Mechanical Systems and Signal Processing, 2008,22(2):436-450. -
期刊类型引用(15)
1. 彭菲桐，徐凯，吴仕勋，黄德青. 基于智能优化深度网络的轨道电路故障诊断研究. 电子测量与仪器学报. 2024(02): 219-230 . 
百度学术
2. 罗泽霖，孟景辉，罗依梦，刘金朝，孙善超，许庆阳. 基于PSO-GA的ZPW-2000A型轨道电路调谐区性能感知方法. 铁道学报. 2024(08): 89-95 . 百度学术
3. 黄愉华，金捷. 基于故障树的速度传感器检测方法研究. 铁路通信信号工程技术. 2023(07): 87-91 . 百度学术
4. 王钟锐，李鹏，陈光武. ZPW-2000A轨道电路故障诊断方法研究. 软件导刊. 2022(10): 74-83 . 百度学术
5. 韩咏钊，周小舟，张俞，朱宇凡，邹德旋. 基于和声搜索算法的轨道交通供电系统故障定位. 科学技术创新. 2021(11): 9-12 . 百度学术
6. 陈光武，高亚丽，焦相萌. 基于自适应变异SAPSO-LSSVM的轨道电路故障诊断. 北京交通大学学报. 2021(02): 1-7 . 百度学术
7. 杨璟，王小敏，张文芳，郑启明，陈磊. 基于PMFCC-DTW的轨道电路暂态故障诊断. 铁道学报. 2021(05): 104-111 . 百度学术
8. 宋丹，汪浩. 基于IBOA-PNN的道岔控制电路故障诊断方法. 铁路通信信号工程技术. 2021(12): 1-6 . 百度学术
9. 张翔，温熙圆，曹宏发，孟红芳，董海鹏，童修伟. 基于迭代学习的速度传感器故障诊断研究. 铁道科学与工程学报. 2021(11): 3006-3012 . 百度学术
10. 刘一博，赵林海. 基于CSM系统的JTC故障智能诊断方法. 铁道学报. 2021(11): 78-87 . 百度学术
11. 田粉霞，杨世武，崔勇，武沛. 基于改进卷积神经网络的无绝缘轨道电路调谐区故障诊断. 铁路计算机应用. 2020(06): 58-63+74 . 本站查看
12. 苏丽娜，张亚东，王梓丞，郭进. 基于变分模态分解和能量谱的轨道电路分路不良故障监测. 铁道标准设计. 2019(02): 155-160 . 百度学术
13. 董煜，董昱. 基于改进证据理论的轨道电路故障诊断方法. 铁道科学与工程学报. 2019(06): 1535-1542 . 百度学术
14. 徐绍俊. SA–BP神经网络在轨道电路故障诊断中的应用研究. 铁路计算机应用. 2019(11): 55-58 . 本站查看
15. 魏丽丽，施聪，陆鑫源，王振明. 便携式AF904数字轨道电路测试仪设计与实现. 铁路计算机应用. 2018(12): 54-58 . 本站查看
其他类型引用(5)
计量
- 文章访问数: 95
- HTML全文浏览量: 0
- PDF下载量: 50
- 被引次数: 20
下载:
