基于改进PSO-LSSVM的轨道电路故障诊断方法研究
发布时间：2021-11-26 12:52
轨道电路作为铁路信号室外基础设备之一,实现列车占用和信息传输等作用,保障着列车的安全运行和运输效率。随着列车速度的不断提高,对列控系统提出了更高的要求。目前对于轨道电路故障诊断技术的研究存在诊断准确率低、诊断时间长等不足,仍给铁路工作人员的维修维护带来很大的压力,对轨道电路故障诊断技术的研究仍然有很重要的意义。本文以我国铁路广泛应用的ZPW-2000A无绝缘轨道电路为研究对象,研究其故障诊断技术。主要从故障诊断算法、诊断结果、诊断准确率三个方面进行了相应的研究。首先,阐述无绝缘轨道电路的结构原理,分析其故障模式、故障原因以及特征提取方法。在此基础上,研究当下故障诊断算法存在的不足以及在轨道电路应用的空缺,将粒子群（Particle Swarm Optimization,PSO）算法和最小二乘支持向量机（Least Square Support Vector Machines,LSSVM）结合的算法应用在此领域。分析其存在的不足,提出改进后的PSO-LSSVM故障诊断方法。一方面,通过改变惯性权重系数、引入收缩因子、调整学习因子对PSO算法进行改进,克服其易陷入局部最优的问题;另一方面,...
【文章来源】：兰州交通大学甘肃省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
故障诊断实现方式分类从2005年起，我国学者己对轨道电路故障诊断方式进行大量的研究
基于改进PSO-LSSVM的轨道电路故障诊断方法研究-8-2相关理论概述本章节对三种主要算法：PSO算法、LSSVM以及SA算法进行理论概述。首先阐述三种算法的来源、优缺点以及原理；其次分析算法存在的问题；最后对算法的流程进行详细的阐述。2.1粒子群算法2.1.1算法原理与特点粒子群算法是由Kennedy和Eberhart于1995年提出的一种模拟鸟群觅食行为、探寻两者之间关系的智能算法[34]。由于算法简单、收敛速度快、优化能力强，是现下较为先进并被广泛使用的智能算法。为便于理解其思想，可假想：一群鸟想在某块地方寻找一块食物，但只了解自身距离食物多远，却不知具体位于何处，此时最简单的办法就是寻找离这块食物最近的同伴。上述场景中的每只鸟，都可以看作一个粒子，而这块食物便是粒子的最优解。具体如图2.1所示。图2.1粒子群算法图解用算法可表示为：设在一个n维空间中，共有m个粒子，粒子位置为T12(,,,)iiiinX=XXX，速度为T12(,,,)iiiinV=VVV，其个体极值为12(,,,)iiiinp=ppp,全局极值为12(,,,)ggggnp=ppp。粒子动态跟踪pi、pg，最终达到最优值[35]。具体速度和位置公式如式2.1、式2.2所示。
基于改进PSO-LSSVM的轨道电路故障诊断方法研究-10-图2.2算法流程2.2最小二乘支持向量机2.2.1超平面与SVM有样本数据集(,)iixy，其中i=1,2,,n，Rnix，-11iy,，n为样本个数。要想在样本空间数据集的基础上对不同类型的样本划分，就需要一个超平面来实现。但这样的超平面有很多，如图2.3所示。现下的问题就是利用方法找出最佳的一个超平面。图2.3超平面的划分超平面可用算法表示如下：
【参考文献】：
期刊论文
[1]基于PSO-LSSVM的牵引供电系统故障诊断研究[J]. 张雷. 机车电传动. 2019(03)
[2]铁路信号轨道电路介绍及故障分析[J]. 王卫国. 科技创新与应用. 2019(03)
[3]基于粗糙集理论和FCM的轨道电路故障诊断模型[J]. 李林霄,董昱. 铁道标准设计. 2019(09)
[4]蝙蝠算法优化模糊神经网络的25Hz相敏轨道电路故障诊断研究[J]. 郑云水,牛行通,康毅军. 铁道学报. 2018(12)
[5]基于PSE-ANFIS的ZPW-2000A轨道电路故障诊断方法[J]. 陈姝姝,田慕琴,宋建成. 太原理工大学学报. 2018(06)
[6]ZPW—2000A轨道电路故障分析与处理[J]. 刘建壮. 中国新技术新产品. 2018(18)
[7]基于粒子群优化最小二乘支持向量机的离心式制冷机故障诊断[J]. 卿红,韩华,崔晓钰,范雨强. 暖通空调. 2018(09)
[8]基于方法组合的轨道电路故障诊断模型[J]. 董煜,董昱. 铁道标准设计. 2019(05)
[9]基于组合决策树的无绝缘轨道电路故障诊断方法研究[J]. 朱文博,王小敏. 铁道学报. 2018(07)
[10]基于BP神经网络的轨道电路故障诊断[J]. 曹雲梦,边冰,张天奇. 华北理工大学学报(自然科学版). 2018(01)
硕士论文
[1]基于改进证据理论的25Hz轨道电路故障诊断方法研究[D]. 董煜.兰州交通大学 2019
[2]基于SOM神经网络的无绝缘轨道电路调谐区故障诊断研究[D]. 张玉.兰州交通大学 2018
[3]ZPW-2000A无绝缘轨道电路故障预测研究[D]. 王婷.西南交通大学 2015
[4]姜黄中姜黄素类抗癌活性成分识别与成分配伍研究[D]. 苏鑫.天津大学 2013
[5]基于GA-BP神经网络的车内声品质评价研究[D]. 孙慧慧.吉林大学 2012
[6]基于人工神经网络的企业财务危机预警实证研究[D]. 侯俊.电子科技大学 2011
[7]基于二分类SVM的多分类方法比较研究[D]. 焦春鹏.西安电子科技大学 2011
[8]ZPW-2000A无绝缘轨道电路技术应用研究[D]. 刘正航.山东大学 2006
本文编号：3520185
【文章来源】：兰州交通大学甘肃省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
故障诊断实现方式分类从2005年起，我国学者己对轨道电路故障诊断方式进行大量的研究
基于改进PSO-LSSVM的轨道电路故障诊断方法研究-8-2相关理论概述本章节对三种主要算法：PSO算法、LSSVM以及SA算法进行理论概述。首先阐述三种算法的来源、优缺点以及原理；其次分析算法存在的问题；最后对算法的流程进行详细的阐述。2.1粒子群算法2.1.1算法原理与特点粒子群算法是由Kennedy和Eberhart于1995年提出的一种模拟鸟群觅食行为、探寻两者之间关系的智能算法[34]。由于算法简单、收敛速度快、优化能力强，是现下较为先进并被广泛使用的智能算法。为便于理解其思想，可假想：一群鸟想在某块地方寻找一块食物，但只了解自身距离食物多远，却不知具体位于何处，此时最简单的办法就是寻找离这块食物最近的同伴。上述场景中的每只鸟，都可以看作一个粒子，而这块食物便是粒子的最优解。具体如图2.1所示。图2.1粒子群算法图解用算法可表示为：设在一个n维空间中，共有m个粒子，粒子位置为T12(,,,)iiiinX=XXX，速度为T12(,,,)iiiinV=VVV，其个体极值为12(,,,)iiiinp=ppp,全局极值为12(,,,)ggggnp=ppp。粒子动态跟踪pi、pg，最终达到最优值[35]。具体速度和位置公式如式2.1、式2.2所示。
基于改进PSO-LSSVM的轨道电路故障诊断方法研究-10-图2.2算法流程2.2最小二乘支持向量机2.2.1超平面与SVM有样本数据集(,)iixy，其中i=1,2,,n，Rnix，-11iy,，n为样本个数。要想在样本空间数据集的基础上对不同类型的样本划分，就需要一个超平面来实现。但这样的超平面有很多，如图2.3所示。现下的问题就是利用方法找出最佳的一个超平面。图2.3超平面的划分超平面可用算法表示如下：
【参考文献】：
期刊论文
[1]基于PSO-LSSVM的牵引供电系统故障诊断研究[J]. 张雷. 机车电传动. 2019(03)
[2]铁路信号轨道电路介绍及故障分析[J]. 王卫国. 科技创新与应用. 2019(03)
[3]基于粗糙集理论和FCM的轨道电路故障诊断模型[J]. 李林霄,董昱. 铁道标准设计. 2019(09)
[4]蝙蝠算法优化模糊神经网络的25Hz相敏轨道电路故障诊断研究[J]. 郑云水,牛行通,康毅军. 铁道学报. 2018(12)
[5]基于PSE-ANFIS的ZPW-2000A轨道电路故障诊断方法[J]. 陈姝姝,田慕琴,宋建成. 太原理工大学学报. 2018(06)
[6]ZPW—2000A轨道电路故障分析与处理[J]. 刘建壮. 中国新技术新产品. 2018(18)
[7]基于粒子群优化最小二乘支持向量机的离心式制冷机故障诊断[J]. 卿红,韩华,崔晓钰,范雨强. 暖通空调. 2018(09)
[8]基于方法组合的轨道电路故障诊断模型[J]. 董煜,董昱. 铁道标准设计. 2019(05)
[9]基于组合决策树的无绝缘轨道电路故障诊断方法研究[J]. 朱文博,王小敏. 铁道学报. 2018(07)
[10]基于BP神经网络的轨道电路故障诊断[J]. 曹雲梦,边冰,张天奇. 华北理工大学学报(自然科学版). 2018(01)
硕士论文
[1]基于改进证据理论的25Hz轨道电路故障诊断方法研究[D]. 董煜.兰州交通大学 2019
[2]基于SOM神经网络的无绝缘轨道电路调谐区故障诊断研究[D]. 张玉.兰州交通大学 2018
[3]ZPW-2000A无绝缘轨道电路故障预测研究[D]. 王婷.西南交通大学 2015
[4]姜黄中姜黄素类抗癌活性成分识别与成分配伍研究[D]. 苏鑫.天津大学 2013
[5]基于GA-BP神经网络的车内声品质评价研究[D]. 孙慧慧.吉林大学 2012
[6]基于人工神经网络的企业财务危机预警实证研究[D]. 侯俊.电子科技大学 2011
[7]基于二分类SVM的多分类方法比较研究[D]. 焦春鹏.西安电子科技大学 2011
[8]ZPW-2000A无绝缘轨道电路技术应用研究[D]. 刘正航.山东大学 2006
本文编号：3520185
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3520185.html
