一种动态加权模糊聚类算法的研究

针对模糊C均值聚类（FCM）算法选取初始中心具有随机性这一缺陷,利用遗传算法优化FCM算法,根据适应度函数动态确定交叉、变异算子,从而选取最优初始中心,避免FCM算法陷入局部极小;针对FCM受噪声点、孤立点影响较大的缺陷,利用LOF加权降低数据噪声点对聚类的影响,并将FCM聚类、遗传算法、加权策略相结合,提出一种新的动态加权模糊聚类算法。经UCI通用数据集验证,优化后的聚类算法可以有效提高聚类质量和准确度。     

地铁车辆牵引控制单元的故障诊断方法

地铁车辆牵引控制单元是地铁系统的核心单元之一,准确判断其故障状态对车辆安全运行至关重要。针对模糊C-均值聚类(FCM)在牵引控制单元故障诊断中的不足,提出了采用入侵杂草算法优化FCM,解决了FCM聚类结果不稳定和容易陷入局部最优的问题。该方法能克服单一故障诊断法的缺陷,同时具备群智能算法搜索全局最优和FCM算法处理模糊信息的能力。通过UCI数据集和地铁车辆实际数据进行仿真实验,结果表明,新方法与传统FCM相比,能获得更优的聚类中心,有效提高了TCU故障诊断的准确性和快捷性。     

动车组牵引传动系统健康状态评估

以CRH3型动车组牵引传动系统为研究对象,提出一种模糊灰色聚类和组合赋权法相结合的动车组牵引传动系统健康状态评估方法。利用组合赋权法计算牵引传动系统各元件指标的组合权重;由各元件聚类系数创建元件层的健康状态模糊评判矩阵;然后由该矩阵,采用组合赋权法计算牵引传动系统元件层的组合权重;采用模糊综合评判法评估牵引传动系统整体的健康状态。研究结果表明:所提出的方法能够结合牵引传动系统的分层分析模型,并直观地得到各指标、各元件以及牵引传动系统整体的健康状态信息,有效完成了CRH3型动车组牵引传动系统的健康状态评估。     

基于IK-means和CHMM的铁路接触网性能退化评估

了解铁路接触网的退化性能水平有助于保障机车的安全运行。为了提高传统K-means算法聚类的合理性和准确性,引入了密度值因子来提高数据聚类精度,称为IK-means算法。采用IK-means算法对高速铁路接触网进行模式划分,将铁路接触网的退化状态划分成正常状态、轻度退化、中度退化、重度退化和失效状态共5种状态,再采用隐马尔科夫(Hidden Markov Model, HMM)算法对铁路接触网的性能退化状态进行评估。仿真测试结果表明,评估精度平均高于92.67%,验证了所提方法的可靠性。     

基于CEEMDAN与KFCM聚类的转辙机退化状态识别方法

针对道岔转换设备在使用寿命内的功率信号特征提取与退化状态识别问题，提出基于自适应白噪声完备经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）与核模糊C均值聚类（Kernel-based Fuzzy C-Means clustering,KFCM）相结合的转辙机退化状态识别方法。首先，对S700K转辙机采集的功率曲线数据进行模态分解，得到多个固有模态函数（Intrinsic Mode Functions,IMFs），通过IMFs的能量幅值获得表征数据退化过程的特征向量；然后，由KFCM算法对特征向量进行转辙机退化状态识别，并进行状态划分；最后，通过计算分类系数和平均模糊熵对该方法的分类性能进行综合评估，并与模糊C均值聚类（Fuzzy C-Means clustering,FCM）和GK (Gustafson Keseel)聚类算法进行比较。结果表明：该方法聚类效果准确率达95.6%，优于FCM和GK聚类算法，能对转辙机的退化状态进行科学划分，为铁路现场道岔设备健康状态监测提供...     

一种基于蚁群算法的聚类组合方法

蚂蚁等群居类昆虫被看作能解决复杂问题的分布式系统,研究者从它们的协作性能以及自组织、信息素通信、任务划分等机理中获得灵感,已在组合优化、通信网络、机器人等许多应用领域找到解决问题的新方法。聚类作为一种无监督的学习,能根据数据间的相似程度自动地进行分类。基于蚁群算法的聚类方法已经在当前数据挖掘研究中得到应用。本文提出的基于蚁群算法的聚类组合新方法,模仿多蚁群的协作性能,将运动速度类型各异的多个蚁群,独立而并行地进行聚类分析,然后组合其聚类结果为超图,再用蚁群算法对超图进行2次划分。实验结果表明,该方法能自动决定聚类的数目,聚类组合方法能明显改善聚类质量。     

基于MapReduce的时序数据离群点挖掘算法

针对海量数据中离群点的挖掘,将网格聚类和MapReduce编程模型相结合,排除不可能包含离群点的网格,再用LOF算法对剩余网格中的数据进行离群点检测。为了提高网格聚类的检测精度,本文提出了一种基于聚类半径的改进算法。实验表明了该算法的有效性,同时分析了在节点数不同的情况下,网格聚类所用时间,证明了基于MapReduce的网格聚类适合处理海量时序数据。     

基于网格的铁路轨道状态大数据可视化模型

为全面直观地把握轨道健康状态,基于网格化管理思想,提出一种基于网格的铁路轨道状态大数据可视化模型。将铁路线路划分为连续的等长的轨道网格,采用多维尺度分析算法和混合层次K均值聚类算法,对轨道网格健康状态分布进行可视化展现,直观反映各轨道网格健康状态特征的相似性或差异性。选取兰新线1 447个轨道网格的状态数据,验证了模型的有效性。     

基于K-Means聚类算法的城市轨道交通站点分类及客流特征分析

文章立足于沈阳市轨道交通站点800 m范围内的人口分布、开发强度、公交接驳、路网长度分布、站点位置属性、站点客流数据等六大维度数据,采用K-Means聚类算法将城市轨道交通站点划分为居住型、商业商务型、综合开发型、产业型、交通枢纽型五大类;基于站点聚类成果,叠合多样化数据分析总结各类站点客流的普适性规律,可为后续站点周边基础设施完善、站点客流预测、车站运营组织方案做出指导。     

基于射线跟踪与离开角空间聚类的5G-R网络优化技术研究

当前反复“路测-调整”的传统无线网络优化方式难以满足铁路5G专用移动通信系统（5G-R）的网络优化需求。面向京沈铁路干线场景，在确定了射线跟踪传播机理模型后，进行了5G-R无线信道建模仿真，提出一种基于射线跟踪与离开角空间聚类的网络优化算法。该算法以全向天线仿真结果为基础，使用K-means++算法对射线跟踪仿真的角度-能量域数据进行聚类，将水平离开角的空间聚类中心作为扇区方位角；结合水平离开角的聚类中心与高铁行车路径的空间位置关系，计算相应扇区的下倾角；以上述基于射线跟踪与离开角空间聚类的结果为初值，基于粒子群算法进行优化迭代，高效地完成铁路干线场景下的5G-R网络优化。结果表明，在相同的计算资源和仿真条件下，基于射线跟踪与离开角空间聚类的5G-R网络优化算法对比直接使用粒子群算法，在收敛速度方面提升了约10%，在优化效果方面提升了约30%。该方法针对铁路干线场景能够实现在迭代计算次数更少的情况下，给出更好的网络优化方案，为未来建设高质量5G-R通信系统提供技术积累和参考。     

基于聚类算法的道岔健康度标准值智能分析系统研究

根据专家经验分析道岔曲线特性并设置每组道岔的标准值具有工作量大、专家经验标准值不能覆盖每个道岔特性的问题。在分析道岔特性及健康度评价现状基础上,基于云平台技术,搭建道岔健康度自学习软件架构,阐述了使用专家经验分析道岔数据、三次样条差值曲线算法和K-means聚类算法在道岔健康度标准值智能选取系统中的应用,提出基于聚类算法的道岔健康度标准值智能提取方法。系统可适用于不同类型的道岔,能够有效降低设置不同道岔系统健康度评价参数标准值的工作量。     

高速动车组牵引传动系统拍频抑制及其半实物仿真研究

在高速动车组牵引传动系统中,单相整流器的输出电压中存在2倍电网频率的脉动分量,该分量将导致牵引电机的拍频现象.为抑制拍频现象,同时保证列车轻量化需求,取消牵引传动系统中间直流环节的LC谐振支路、优化牵引电机控制算法是解决思路之一.文中首先分析拍频现象的产生机理;然后分析了传统基于频率补偿的拍频抑制算法原理,并加入了采样...     

异步牵引电机定子磁链轨迹跟踪控制技术研究

为解决大功率交流传动系统中因功率器件的低开关频率所导致的PWM波形谐波大的问题,提出了一种基于新型优化同步调制的定子磁链轨迹跟踪控制算法,离线状态下以电机电流谐波总和最小为优化目标求得逆变器在各种分频数下的优化开关角,从而得到定子磁链的运行轨迹;系统正常工作过程中实时计算出定子磁链轨迹的各个特征门槛值,根据观测到的电机定子磁链值与各个特征门槛值进行闭环控制,实现基于定子磁链轨迹跟踪控制的同步调制算法。仿真及试验验证了所提算法的正确性和可行性。     

基于中心点三角白化权函数的高铁标准化中间站评估

根据高铁中间站管理系统的灰色性与高铁标准化中间站评估工作实际,提出了基于中心点三角白化权函数的高铁标准化中间站评估方法。首先根据调研建立高铁标准化中间站评估指标体系并确定各指标权重值;继而构建基于中心点三角白化权函数的灰色聚类评估模型;最后通过案例,对位于某城际高铁的8个中间站进行了评估,为提高高铁标准化中间站评估结果的准确性提供新的思路。     

聚类分析算法改进及其在地铁隧道病害分析中的应用研究

在研究经典聚类分析算法的基础上,对k-means算法进行改进,得到MK-means改进算法。随机选取初始点,运算后会产生不同的聚类结果。把基于图论中最小支撑树思想应用到算法改进中,通过最小支撑树求得最小圈,产生k个初始聚类中心,由达到一定初始聚类阈值的点开始聚类,聚类效果更优,有效克服随机选取初始点的缺点。把改进的算法应用到地铁隧道病害分析评价中,准确划分隧道病害等级,有针对性地提出防治措施,具有一定的实际应用价值。     

密度聚类与PCA的点云数据处理技术在高铁轨道检测中的应用

为解决轨道手工检测效率低、准确度不高的问题,克服二维线激光与轨向不垂直而影响检测精度的不足,利用三维结构光点云技术对高铁轨道表面状态进行检测。数据处理是三维结构光检测的重要环节,综合运用密度聚类与PCA算法对点云进行快速处理。首先采用三维栅格算法对点云进行采样,减少点云数据量;其次利用密度聚类将点云分成不同的簇类以去除噪声点和离群点,提取出目标点云;最后通过PCA算法计算点云的3个主成分向量,求解变换矩阵变换点云,实现点云初始配准。精确配准后,与标准模型点云对比,即可得出检测结果。现场试验结果表明,该方法运行速度快,配准精度较高,有效提高了检测的效率和精度。     

随机森林算法在地铁车辆门系统润滑退化状态预测中的应用

为了更准确地对地铁车辆门系统的润滑退化状态进行诊断,提出了一种基于随机森林(RF)算法的车门润滑退化预测方法。首先,从车门驱动电机的电流、转速和转矩输出信号中提取时域特征指标作为表征车门运行状态的特征向量;然后,将特征向量作为RF算法的输入,对系统的润滑退化状态进行离线建模,得到不同的润滑退化状态的训练模型;最后,将在线分析结果与离线建立的模型库进行对比,预测当前系统所处的润滑状态。仿真结果表明,与传统的单分类器K-Means的诊断结果相比,RF算法在车门的润滑退化预测中具有更高的精度,可以及时预测系统的润滑退化征兆,对提高车门系统的安全性、可靠性,以及降低故障率具有重要意义。     

基于改进Mask R-CNN的轨道扣件状态检测方法

为提高轨道扣件状态检测的准确率,基于K均值聚类算法改进掩膜区域卷积神经网络(Mask R-CNN)实例分割算法中的区域建议网络。进行基于改进Mask R-CNN的轨道扣件状态检测方法研究,并将该方法分别应用于普速铁路有砟轨道2个扣件数据集和高速铁路无砟轨道1个扣件数据集上进行轨道扣件状态检测。结果表明:该方法能对普速铁路有砟轨道和高速铁路无砟轨道图像中的扣件状态进行准确检测,扣件的定位准确率和分类准确率平均分别达到97.05%和98.36%,均优于YOLO V3,Faster R-CNN和Mask R-CNN算法;相较于前2种算法,本方法对普速铁路有砟轨道扣件状态检测的优势更为明显。     

基于聚类算法的上海轨道交通站点高峰特征分析

为进一步提高客流预测精度,客观描述早晚高峰客流分布形态,通过多次聚类对上海轨道交通运营数据进行峰值挖掘。利用DPEAK密度最大值算法进行数据中心化清洗;基于DBSCAN算法进行密度预聚类,初步判定特征类数;在此基础上,采用启发式K-Means算法对各密度类中心簇及边缘进行刻画;分类统计数据特征,通过组合分布函数对轨道交通高峰特征进行描述。经分析,该方法能够有效降低拟合误差,得出的组合分布函数可为上海市轨道交通线路早晚高峰客流预测提供参考。     

基于XGBoost模型的地铁列车运行状态仿真方法

基于物理模型及列车性能参数的地铁列车运行状态仿真方法存在着列车适配性差、参数调整成本高等问题.为了给ATC(列车自动控制)系统的研究提供更为准确、高效的模拟试验平台,提出一种基于XGBoost(极端梯度提升)算法的列车运行状态仿真模型构建方法.该方法可从实际运行数据中学习列车的控制与运行特性,可针对不同的线路环境、不同...