• 查询稿件
  • 获取最新论文
  • 知晓行业信息
官方微信 欢迎关注

基于代价敏感RBF神经网络的道岔故障诊断系统

马艳东, 崔能西

马艳东, 崔能西. 基于代价敏感RBF神经网络的道岔故障诊断系统[J]. 铁路计算机应用, 2018, 27(2): 8-11.
引用本文: 马艳东, 崔能西. 基于代价敏感RBF神经网络的道岔故障诊断系统[J]. 铁路计算机应用, 2018, 27(2): 8-11.
MA Yandong, CUI Nengxi. Switch fault diagnosis system based on cost sensitive RBF neural network[J]. Railway Computer Application, 2018, 27(2): 8-11.
Citation: MA Yandong, CUI Nengxi. Switch fault diagnosis system based on cost sensitive RBF neural network[J]. Railway Computer Application, 2018, 27(2): 8-11.

基于代价敏感RBF神经网络的道岔故障诊断系统

详细信息
    作者简介:

    马艳东,助理研究员;崔能西,助理工程师。

  • 中图分类号: U213.6:TP39

Switch fault diagnosis system based on cost sensitive RBF neural network

  • 摘要: 针对铁路道岔故障中几种常见类型故障,为尽量减少道岔故障误分类所造成的损失,特建立基于遗传算法的代价敏感RBF神经网络模型以及基于该模型的道岔故障诊断系统。模型通过建立代价敏感适应度函数,实现基于遗传算法的RBF神经网络向代价最优的方向进行随机搜索。利用某车站道岔动作电流监测数据进行验证,证明系统能够提高故障数据的识别精度,降低故障数据的误分类代价。该系统可帮助维护人员快速、准确地对道岔故障进行诊断,缩短故障处理时间,提高铁路行车的安全性。
    Abstract: In order to diagnose several common types of switch faults and reduce the loss caused by misclassification, this paper presented a new switch fault diagnosis system which was based on the genetic algorithm based cost sensitive RBF neural network model. In this model, the cost sensitive fitness function was established to guide the optimal direction of random search based on genetic algorithm, which has lower false classification cost. The system was validated by using the monitoring data of switch action current at a certain railway station. The result showed that this system could not only improve the overall recognition accuracy of the fault data, but also significantly reduce the proportion of false classification of fault data. So this system could help railway maintain personnel quickly and accurately diagnosis the switch fault, reduce the fault processing time, and improve the safety of railway traffic.
  • [1] 陈振东,肖先勇,李长松,等.基于代价敏感极限学习机的电力系统暂态稳定评估方法[J].电力自动化,2016,36(3):118-123.
    [2] 付忠良. 多标代价敏感分类集成学习算法[J].自动化学报,2014,40(6):1075-1085.
    [3] 廖元秀,周生明.误差在Cost-Sensitive分类中的应用[J].广西师范大学学报:自然科学版,2011,29(2).
    [4] Friedhelm Schwenker,Hans A.Kestler,Günther Palm.Three learning phase for radial-basis-function networks[J].Neural networks 14 (2001) 439-458, 18 December 2000.
    [5] 段录平,周丽娟,王宇.基于RBF神经网络的在线分类挖掘系统[J].铁路计算机应用,2007,16(3):40-42.
    [6] 葛继科,邱玉辉,吴春明,等.遗传算法研究综述[J].计算机应用研究,2008,25(10):2911-2916.
    [7] 梅欢,马艳东,单九思,等. 基于样条插值与RBF网络的道岔故障诊断系统[J]. 计算机技术与发展,2017,27(5):160-163,169.
    [8] 李雅美,魏文军.基于模糊神经网络的道岔故障诊断系统研究[J].铁路计算机应用,2012,21(1):35-39.
  • 期刊类型引用(5)

    1. 何占元,许展瑛,姚宇峰,蒋继磊. 考虑计划分配优先级与干扰条件的编组站阶段计划自动编制研究. 铁道运输与经济. 2024(02): 105-111+119 . 百度学术
    2. 穆振华,马亮. 铁路编组站阶段计划重调度优化方法. 铁道运输与经济. 2023(06): 24-33+92 . 百度学术
    3. 孙文桥,叶飞,辛姝丽. 铁路编组站智能化转型发展内涵及路径探讨. 铁道运输与经济. 2023(08): 75-80 . 百度学术
    4. 马亮,陈光伟,郭进,胡宸瀚,金福才. 铁路技术站阶段计划滚动优化方法. 中国铁道科学. 2023(06): 206-220 . 百度学术
    5. 张岩. 铁路编组站阶段计划动态调整方法研究. 铁道运输与经济. 2022(01): 22-29 . 百度学术

    其他类型引用(2)

计量
  • 文章访问数:  54
  • HTML全文浏览量:  2
  • PDF下载量:  25
  • 被引次数: 7
出版历程
  • 收稿日期:  2017-09-23
  • 刊出日期:  2018-02-24

目录

    /

    返回文章
    返回