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.

摘要：巴西圣保罗13号线项目车载atc主控设备为非冗余结构,仅对速度传感器和加速度计进行首尾冗余,因此当主驾驶室主控设备发生故障时,将导致该端无法正常使用,严重影响现场运营效率。通过硬件改造和软件优化两方面,提出易实施的单套设备冗余设计,以实现硬件冗余和软件热备的功能,进一步提高设备冗余性和系统可用性。