原文传递
基于粗糙集理论和MSVM的绝缘节破损预测的研究
| 论文题名： | 基于粗糙集理论和MSVM的绝缘节破损预测的研究 |
| 关键词： | 绝缘节;粗糙集理论;属性约简;不均衡数据;破损预测;支持向量机;轨道电路 |
| 摘要： | 绝缘节是轨道电路的重要组成部分，当绝缘节出现破损时，就有可能发生行车事故，造成经济损失，甚至危及生命财产的安全。为了使现场人员及时了解绝缘节的破损程度，合理的维护更换，既保证行车安全，又降低维护成本，对绝缘节进行定期的测试及状态的判断是十分必要的。本文依据轨道电路测试数据，将粗糙集理论结合 SVM(Support Vector Machine,支持向量机)算法应用到绝缘节破损预测中，对当前绝缘节所处状态进行分类预测，并针对不同状态类型给出维修建议。主要研究内容如下： 首先，深入研究钢轨绝缘节相关理论，根据轨道电路测试数据，分析绝缘节两端的电气特性和影响因素，提取轨道电压、限流电阻电压、送端轨面电压、轨缝、槽破、轨端电压、绝缘、站内外测电压为特征属性完成特征提取。并根据绝缘节状态判定规则，构建绝缘节破损信息系统。 其次，针对特征属性中的连续型和非数值型属性，采用基于信息熵离散化算法实现数据离散化。同时，提出改进主分量启发式约简算法对离散化信息系统进行属性约简，得到最优约简集，实现数据降维和特征的二次提取。实验结果表明，绝缘节数据的各项预测指标都较约简前提高了。 再次，从数据均衡的角度提出基于混合采样均衡算法，解决数据不均衡问题。实验结果表明，实现数据均衡能够提高分类器的预测精度。 最后，将粗糙集理论和SVM算法相结合，提出基于粗糙集理论和MSVM(Multi-class Support Vector Machines,多类支持向量机)的绝缘节破损预测模型。以某电务段轨道电路测试数据为依据进行实例分类预测，并与基于MSVM的绝缘节破损预测模型进行对比，实验结果表明，粗糙集结合 SVM算法应用于绝缘节的破损分类预测，有较高的预测精度。 |
| 作者： | 肖自强 |
| 专业： | 交通信息工程及控制 |
| 导师： | 董昱 |
| 授予学位： | 硕士 |
| 授予学位单位： | 兰州交通大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
