原文传递
基于SaCe-ELM的地铁牵引控制系统故障诊断
| 论文题名： | 基于SaCe-ELM的地铁牵引控制系统故障诊断 |
| 关键词： | 城市轨道交通;牵引控制系统;故障诊断;极限学习机;差分进化算法 |
| 摘要： | 随着城市轨道交通的快速发展，轨道交通的安全运行受到了广泛关注。地铁列车作为城市轨道交通的主要载体，为解决日益严重的交通拥堵做出了极大的贡献。然而，当列车发生故障时不仅影响了列车的正常运行，而且对旅客的安全产生了威胁。因此，及时有效地对列车进行故障诊断，是保证轨道交通正常运行的重要环节。 针对传统故障诊断方法需要理解设备运行机理、难以获得相关知识、学习速度慢、易陷入局部最优、预测精度较差等缺点，本文提出一种使用自适应差分进化算法进行优化的极限学习机(Strategy adaptive chaos differential evolution-extreme learning machine，SaCE-ELM)，即在具有较少隐含层节点的情况下，通过差分进化算法(Differentialevolution algorithm，DEA)对极限学习机的输入权重、隐含层参数和输出权重进行优化。不同于标准差分进化算法的人工选择参数和变异策略，本文采用基于混沌序列的自适应机制有效地对差分变异策略进行了自适应选择，而且编码过程较为简单。对SaCE和SaDE在十个标准函数上的对比实验表明，SaCE有效地减少了训练时间并且具有更好的优化效果。与其他算法在UCI公共数据集上进行实验对比得知本文方法(SaCE-ELM)具有更好的分类效果及性能。 最后，本文对地铁列车控制系统及牵引控制子系统进行了简要介绍。通过对牵引系统各个模块的功能分析，总结了牵引控制系统相关故障以及与牵引控制单元相关的输入信息。之后，介绍了从离线数据中提取相关故障样本数据的方法，并对所提原始数据进行归一化处理后获得故障样本。将本文提出的SaCE-ELM故障诊断算法应用于地铁牵引系统的故障诊断，实验结果表明本文算法能有效地对地铁牵引系统进行故障诊断。 |
| 作者： | 岳忠奇 |
| 专业： | 控制理论与控制工程 |
| 导师： | 顾宏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连理工大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
