小波奇异熵改进SOM神经网络在道岔故障诊断中的应用

随着轨道交通技术的快速发展和智能算法的应用，用微机监测和人工处理的方法对道岔进行故障诊断存在效率低、及时性不够、准确性不足等问题，文章用 Meyer 小波分解原始数据，实现特征数据的选择和提取，再计算出相应的小波奇异熵作为神经网络的输入向量，加入训练数据到改进型的 SOM 神经网络中，从而实现对S700K 型转辙机的道岔故障诊断。通过提取 8 种典型的故障类型，在 MATLAB 中建立相应的模型并进行仿真，和目前普遍应用的 K-means 和 FCM 聚类算法进行时间和准确率方面的比较。仿真结果表明，在道岔故障诊断中，基于小波奇异熵和 SOM 神经网络的算法在时间和准确率方面具有明显优势。