详情

原文传递基于数据挖掘的弓网故障诊断

论文题名：	基于数据挖掘的弓网故障诊断
关键词：	电气化铁路;弓网系统;故障诊断;数据挖掘;粗糙集理论;支持向量机
摘要：	随着交通运输业的快速发展，国家对于铁路的建设予以高度的重视，电气化铁路以快速、稳定、清洁能源为发展方向，越来越受到人们的青睐。而弓网作为电气化铁路主要的供电和受流设备，随着高速列车运行速度的加快，就越容易发生问题。保证列车的安全性，避免弓网发生故障，从高速列车的检测的数据参数中找出存在隐患，弓网中的有些数据是独立的，有些数据是存在着一定的联系，可能每项数据都是符合要求的，但是将它们组合到一起可能会存在隐患。本文通过研究各个数据参数之间的内在关联，实现对弓网故障的诊断。　　本文以粗糙集的方法对弓网的运行参数进行分析，运用粗糙集可以处理不精确的和模糊的数据，同时每项数据的数据参数可以不需要十分完整，在不影响重要数据属性的情况下，对采集到的硬点、冲击、接触导线高度、接触压力、锚段关节、拉出值等10类参数数据进行分析，研究了悬挂线索故障、基础故障、腕臂故障、接触导线故障、钻弓故障,定位装置故障6种故障类型，找出蕴藏在这中间的规律，建立专家系统，判断和分析出弓网故障的原因，以减少事故的发生。　　在进行粗糙集的化简之前，需要对数据进行预处理，很多的数据挖掘结果不理想都是由于数据的质量不高，由于环境等因素的影响，收集到的数据肯定包含有大量的错误和噪音。数据预处理就是在对数据进行分析和挖掘之前对原始数据进行必要集成、清理、去噪、离散和归约等工作，然后使用改进的SVM算法，引入Adaboost算法，该算法能够有效地结合两者的优点并弥补一部分的缺点，进而提高整体故障分类的准确率。
作者：	周正
专业：	电气工程
导师：	彭继慎
授予学位：	硕士
授予学位单位：	辽宁工程技术大学
学位年度：	2018
正文语种：	中文