基于粗糙集和模糊认知图的ZPW-2000轨道电路故障诊断

针对目前由人工分析监测数据进行ZPW-2000轨道电路故障判别存在判别效率低、判别周期较长、对数据分析所依赖的人员经验程度高的缺陷,将粗糙集理论和模糊认知图的概念引入ZPW-2000轨道电路的故障判别中,通过主分量启发式算法对原始故障数据进行属性约简,得到故障特征参数,利用模糊认知图构建出基于属性约简和模糊认知图的分类器,并在此过程中利用自适应遗传算法完成FCM权重的学习。通过仿真实验验证,在模糊认知图的基础上利用粗糙集进行特征的提取,再对ZPW-2000轨道电路故障进行诊断,这种方法是有效可行的,并与人工分析故障数据进行诊断的方法进行比较,发现基于属性约减和模糊认知图的分类器有较高的故障识别率以及较短的诊断时间。