基于PSO-SVM的车载ATC设备故障诊断

作     者：付文秀 周晓勇 李弘扬 郭毅 FU Wenxiu;ZHOU Xiaoyong;LI Hongyang;GUO Yi

作者机构：北京交通大学电子信息工程学院北京100044 中铁通信信号勘测设计院有限公司北京100071 

基　　金：国家自然科学基金(61673049) 

出 版 物：《北京交通大学学报》 (JOURNAL OF BEIJING JIAOTONG UNIVERSITY)

年 卷 期：2022年第46卷第2期

页      码：98-107页

摘      要：地铁列车车载自动控制系统(Automatic Train Control,ATC)设备的故障排查诊断大多依赖人工经验,存在效率低下问题.针对车载ATC设备的故障诊断问题,采用一种基于粒子群算法优化支持向量机(Particle Swarm Optimization-Support Vector Machine,PSO-SVM)的地铁列车车载ATC设备故障诊断方法 .根据历史故障数据记录表得到故障特征词汇集,引入粗糙集理论的知识对故障特征词汇集进行属性约简.利用PSO-SVM算法对约减后的故障特征词汇集进行分类对比,实验结果表明:在相同训练测试集下,PSO-SVM算法相对于SVM、神经网络算法具有更高的故障诊断准确率,并且更具稳定性.

主 题 词：车载ATC设备 故障诊断 粗糙集 粒子群算法 支持向量机 

学科分类：08[工学] 082303[082303] 0823[工学-农业工程类] 

D　O　I：10.11860/j.issn.1673-0291.20210041

馆 藏 号：203112314...