| 基于Labeled-LDA的列控车载设备故障特征提取与诊断方法研究 |
| |
| 引用本文： | 上官伟,袁亚辉,王剑,胡福威.基于Labeled-LDA的列控车载设备故障特征提取与诊断方法研究[J].铁道学报,2019(8):56-66. |
| |
| 作者姓名： | 上官伟 袁亚辉 王剑 胡福威 |
| |
| 作者单位： | 北京交通大学电子信息工程学院;北京交通大学轨道交通控制与安全国家重点实验室 |
| |
| 基金项目： | 国家重点研发计划(2018YFB1600604);国家自然科学基金(61490705,61773049);中国民用航空局重大专项(201501) |
| |
| 摘 要： | 准确地诊断出列控车载设备的故障类型是保障列车安全运行的基础。针对车载设备故障诊断问题,根据北京动车段300T车载日志数据的特点,基于数据挖掘方法并结合现场技术人员的经验知识,构建车载设备的故障特征词库;在此基础上,改进了Labeled-LDA(Latent Dirichlet Allocation)模型用于提取日志数据的语义特征。采用基于粒子群优化的支持向量机算法PSO-SVM对日志文本的故障进行分类,以降低故障样本数据分布不均衡对分类精度的影响,并与传统的支持向量机算法SVM,K最近邻算法KNN进行对比分析。实验结果表明,KNN、SVM、PSO-SVM三种算法的故障文本数据一级故障诊断准确率依次为79.4%,81.8%和90.9%,二级故障诊断准确率依次为74.6%,78.1%和81.3%,验证了PSO-SVM算法在车载设备故障诊断方面的有效性。该研究成果对列控车载设备日常维护具有一定的指导意义。
|
| 关 键 词： | 车载设备 Labeled-LDA 粒子群优化算法 支持向量机 故障诊断 |
Research of Fault Feature Extraction and Diagnosis Method for CTCS On-board Equipment(OBE) Based on Labeled-LDA |
| |
| SHANGGUAN Wei,YUAN Yahui,WANG Jian,HU Fuwei.Research of Fault Feature Extraction and Diagnosis Method for CTCS On-board Equipment(OBE) Based on Labeled-LDA[J].Journal of the China railway Society,2019(8):56-66. |
| |
| Authors: | SHANGGUAN Wei YUAN Yahui WANG Jian HU Fuwei |
| |
| Institution: | (School of Electronics and Information Engineering,Beijing Jiaotong University,Beijing 100044,China;State Key Laboratory of Rail Traffic Control and Safety,Beijing Jiaotong University,Beijing 100044,China) |
| |
| Abstract: | SHANGGUAN Wei;YUAN Yahui;WANG Jian;HU Fuwei(School of Electronics and Information Engineering,Beijing Jiaotong University,Beijing 100044,China;State Key Laboratory of Rail Traffic Control and Safety,Beijing Jiaotong University,Beijing 100044,China) |
| |
| Keywords: | on-board equipment Labeled-LDA particle swarm optimization support vector machine fault diagnosis |
| 本文献已被 CNKI 维普 等数据库收录！ |
|
