基于支持向量机的机车轴承故障诊断方法

通过对机车轴承振动信号的分析处理,提出基于支持向量机(SVM)的故障诊断方法,提取反映轴承运行状态的无量纲系数作为故障的特征向量,并以此作为输入来建立支持向量机分类器,利用SVM网络的智能性来判断机车轴承的工作状态和故障类型.实验结果表明,提出的方法在小样本的情况下仍能准确、有效地对机车轴承的工作状态和故障类型进行分类,实现机车轴承故障的智能诊断.     

基于支持向量机和模糊评判的故障诊断方法研究

将采集到的数据进行模糊化处理,然后运用支持向量机对计算出的模糊样本进行训练,并对其进行模拟仿真,结果与实际试验结果基本相符.克服了根据单一的频谱变化来判断故障的类型,有效地提高了故障诊断性能.     

基于Petri网技术的牵引供电系统故障诊断方法

介绍一种基于Petri网的牵引供电系统故障诊断方法,可用于检测节点是否发生故障和判断信号是否准确.给出了应用实例.与传统方法相比,该方法提高了效率和准确性,更适台于在线检测.     

基于粒子群支持向量机的轨道电路故障诊断

支持向量机（SVM）是一种解决小样本分类问题的最佳理论算法,它的核函数的参数选择非常重要,直接影响着故障诊断的准确率。本文将粒子群算法（PSO）用于支持向量机的参数优化,提出基于粒子群支持向量机的故障诊断模型,并将其运用于轨道电路中。通过对比MATLAB仿真结果得出:经过粒子群寻优得到的参数比随机选取的参数更优,所建立的PSO-SVM模型的故障诊断准确率高于普通的SVM模型。     

基于PSO-LSSVM的牵引供电系统故障诊断研究

为了提高列车运行稳定性,针对牵引供电系统故障诊断进行研究。根据牵引供电系统工作原理和特性分析故障现象与发生原因,提取用于故障诊断的特征信号;建立基于粒子群优化算法(Particle Swarm Optimization,简称PSO)优化最小二乘支持向量机(Least Squares Support Vector Machine,简称LSSVM)的故障诊断模型,并使用主成分分析(Principal Component Analysis,简称PCA)算法提取数据特征作为故障诊断模型的输入来降低输入维数;使用多种故障诊断模型进行对比分析。研究结果表明:经过PCA算法提取特征的PSO-LSSVM故障诊断模型具有较高的识别效率和识别准确性。     

地铁牵引供电系统的接地分析

综合讨论地铁牵引供电系统采用直流供电模式各种接地方式：直接接地、悬浮接地、二极管接地、GTO反并联接地,比较其优缺点以及对杂散电流和轨地电位的影响,总结其适用范围,有助于在工程实践中选择较适宜的接地方式。     

牵引变电站接地网故障诊断方法研究

随着高速铁路的发展,牵引变电站接地网规模不断扩大,接地网诊断模型逐渐复杂,传统的优化算法在诊断接地网时,易出现局部最优,不收敛等问题。文章主要详细介绍现代算法中的遗传算法和粒子群算法,并对这2种算法与传统优化算法在接地网故障诊断中的应用进行比较和分析。通过分析牵引变电站接地网的工作特点及其腐蚀故障原因,在普通接地网腐蚀故障诊断方程的基础上,建立了牵引变电站接地网腐蚀故障诊断方程。结果表明:现代优化算法较好地解决了传统优化算法易出现局部最优,不收敛等问题,可以诊断出接地网腐蚀甚至断裂的故障支路位置和故障程度,提高了牵引变电站接地网腐蚀故障诊断的精度。     

基于随机森林的DC 600 V供电系统接地故障诊断方法研究

为解决目前DC 600 V供电系统接地故障诊断方法只能诊断出较少的故障模式且通用性较差的问题,文章搭建了DC 600 V供电系统的仿真模型,对供电系统输入端接地、中间直流环节接地、输出端接地等多种故障模式进行了仿真分析,提取了故障波形的关键特征,并采用随机森林分类器方法解决了现有诊断方法通用性较差的问题。验证结果表明,该方法能准确诊断多种接地故障模式,且具有更好的通用性和可维护性。     

基于支持向量机的AT供电牵引网故障测距研究

AT供电方式是我国高速和重载电气化铁道普遍采用的一种供电方式,其故障测距问题一直是研究的热点和难点。针对AT供电方式的特点,提出了基于支持向量机的AT供电牵引网故障测距方法,仿真结果证明了该方法的有效性。     

基于支持向量机的隧道变形预测方法

提出一种基于支持向量机的隧道变形预测新方法。支持向量机基于结构风险最小化,具有更强的泛化能力,是一个凸二次优化问题,能够保证所得解就是全局最优解。采用RBF和Bspline核函数学习某隧道前30天的收敛监测数据,用学习得到的最佳支持向量机网络预测30天后隧道的收敛。结果表明,支持向量机回归和预测的最大相对误差不超过6 5%。通过对比发现,Bspline核函数比RBF核函数效果更好。     

基于独立成分分析和支持向量机的交流电机故障诊断

研究了一种结合独立成分分析和支持向量机的方法在交流电机故障诊断中的应用.首先通过检测各种电机振动和定子电流信号得到数据,利用独立成分分析对交流电机原始数据进行特征提取和压缩;主成分分析也同时应用于独立成分分析特征提取过程中,在完成故障识别时应用了支持向量机技术,采用的是连续最小优化算法和基于支持向量机分类的多类统计分类方法.同时分类过程选择了典型的核函数,以达到诊断电机故障的目的.试验分析的结果表明,该方法是一种简单而有效的方法.     

基于改进最小二乘支持向量机的电力机车牵引电机建模

介绍利用最小二乘支持向量机的回归理论对牵引电机磁化曲线进行拟合,从而建立准确的电力机车牵引电机模型的方法.针对最小二乘支持向量机参数选择耗时长的问题,提出一种基于三步搜索技术的参数选择方法.理论分析及仿真结果表明,该方法可优化选择最小二乘支持向量机的参数,并可提高最小二乘支持向量机的建模速度.将该方法用于电力机车牵引电机建模的参数选择,仿真结果表明,该方法建立的电力机车牵引电机模型精确度高,可用于对电力机车主电路性能及控制策略的研究.     

基于支持向量机-蚁群算法的电气化铁路牵引负荷参数辨识

牵引负荷建模是含牵引供电系统的电力系统仿真中的重要组成部分,准确且符合实际的牵引负荷模型可以极大地提高电力系统仿真结果的可用性.近年来,随着牵引负荷相关实测数据的快速增长,一些基于实测数据的牵引负荷概率模型被提出,但是针对于这些概率模型的参数辨识方法的有效性还未被深入地研究,基于此对牵引负荷概率模型的参数辨识方法进行了...     

基于ICEEMDAN-FE和支持向量机的三电平逆变器的故障诊断技术

为了提高三电平逆变器复杂开路故障诊断的准确率,提出了一种应用“改进自适应噪声完备集合经验模态分解-模糊熵（ICEEMDAN-FE）”和“支持向量机（SVM）”结合的三电平逆变器故障诊断方法。首先,检测信号选取三相负载电压,为降低特征向量的维数,对三相负载电压进行Concordia变换,转换为α-β相电压;然后,通过ICEEMDAN算法提取α-β相电压的特征,得到不同尺度的内禀模态函数（IMF）,再利用主成分分析（PCA）降维剔除IMF虚假分量;最后,计算优选的IMF的模糊熵均值作为特征向量,输入到多分类SVM中进行训练分类,进而实现对二极管中点箝位型（NPC）三电平逆变器的故障诊断。仿真试验结果表明,该方法能够有效识别多种开路故障模式,具有抗噪性能强,诊断速度快,诊断精度高等优点。     

支持向量机在内燃机车燃油系统故障诊断中的应用

将支持向量机应用到内燃机车柴油机燃油系统故障诊断中,将故障诊断问题转换为故障分类问题,成功地实现了小样本情况下的数据识别.以昆明机务段在修程期间记录的故障数据作为样本,采用1-a-1多类分类器对DF4B型内燃机车燃油系统部分故障信息进行了学习.计算结果显示采用支持向量机的识别方法,故障判断平均准确度可以达到99.2%.     

基于OOCPN结线分析和反向推理的城市轨道交通牵引供电系统故障诊断方法

基于面向对象的思想和有色Petri网理论,构建库所的令牌,描述城市轨道交通牵引供电系统中组成结点的元件、开关及结点的含源性质,进而建立城市轨道交通牵引供电系统结线分析的OOCPN(Object-Ori-ented Colored Petri-Nets)模型。求解该模型可确定城市轨道交通牵引供电系统的故障域;然后结合专家经验以及牵引变电所综合自动化系统轮询到的保护动作信息,通过反向推理遍历搜索该故障域,对故障元件进行定位;根据专家推理规则以及城市轨道交通牵引变电所内的保护配合关系,判断开关的拒动行为。以城市轨道交通牵引供电系统馈线短路且馈线开关拒动为例进行验证,结果表明:提出的城市轨道交通牵引供电系统故障诊断方法能够实现对故障元件的准确定位和开关拒动行为的判断。     

基于支持向量机的节假日进出站客流预测方法

节假日期间客流规律分析与预测是城市轨道交通运营企业做好节假日期间大客流组织工作的重要内容,可有效指导车站现场、OCC(运营控制中心)等提前做好预案,制定和实施合适的运营管理及客流组织计划。基于节假日期间车站进出站客流量特征分析结果,考虑按车站特点的分类情况,构建了基于支持向量机的城市轨道交通节假日进出站客流量预测模型。最后利用广州地铁客流数据对预测模型进行精度分析,验证了模型的预测精度。     

基于支持向量机的地铁客流量预测

地铁客流量是城市地铁交通运营组织的重要依据,客流随机性较大及其影响因素较多,因此加大了客流预测的难度。为了更加准确地预测城市地铁交通中的客流量,及时对客流组织方案进行调整,设计了一种基于非线性支持向量回归机的地铁客流量预测方法。该方法通过分析已采集数据的影响因素,确定对客流量影响较大的支持向量,然后构建预测模型进行预测。该模型可以通过调整影响因素的强度来提高预测精度。最后,通过算例验证：该方法可以有效地改善预测误差,适用于短期和不确定环境的地铁客流预测。     

基于支持向量机的静力损伤识别方法

针对使用静力测试数据进行桥梁结构损伤识别时容易出现误判的问题,基于支持向量机理论,提出1种新的静力损伤识别方法。将损伤识别过程分为损伤发生识别、损伤位置识别和损伤程度识别3个步骤。使用理论计算结果与测试数据比较的方法判断损伤是否发生,采用C-支持向量机分类算法进行损伤位置识别,利用ε-支持向量机回归算法进行损伤程度识别。将该方法与优化识别方法同时运用于1个连续梁试验中。试验结果表明:与优化识别方法相比,支持向量机方法通过分开求解损伤位置和程度,并先进行结构有限元分析,然后再使用支持向量机进行识别,将这2个过程解耦,从而降低了问题的难度,不仅能够正确地识别损伤出现的位置,而且能够得到与实际相符的损伤程度识别结果,并且具有较好的推广能力和较强的抗噪声能力,能够很好地对桥梁静力损伤进行识别。     

基于支持向量机沉降代理模型复合地基优化设计方法

复杂复合地基优化设计缺乏明确可靠的沉降计算公式,很难建立有明确表达式的优化设计数学模型,若直接基于数值模拟来建立模型,则计算工作量巨大。为此,提出一种基于支持向量机沉降代理模型的复合地基优化设计方法。该法基于均匀设计理念,设计多个数值实验加固方案,建立复合地基三维有限元模型,分析路堤荷载作用下复合地基沉降及差异沉降;再采用最小二乘支持向量机(LSSVM)对沉降进行回归分析,建立复合地基沉降、差异沉降的等代模型;以复合地基加固费用为目标函数,以各沉降指标为控制参数,建立复合地基优化设计数学模型;基于遗传算法搜索最优的加固方案,并输出满足设计要求的最经济复合地基方案。将该法用于岸边软土区复合地基优化设计,验证了该法的可行性。