原文传递
基于多源数据融合的列车抱闸检测方法研究
| 论文题名： | 基于多源数据融合的列车抱闸检测方法研究 |
| 关键词： | 铁路货运列车;抱闸检测;多传感器;多源数据融合;孤立森林;支持向量机 |
| 摘要： | 铁路货运是我国物流重要的一部分，承担着大量的运输任务，铁路货运列车的安全问题一直深受重视。而铁路货运列车的抱闸故障是当前铁路运输“出现频率最高，安全威胁最大”的一种安全问题，列车抱闸检测是铁路部门最重视的列车安全检测项目，所以研究铁路货运列车的抱闸检测方法具有重要的意义。现有的列车抱闸检测方式主要有人工检测和单一的设备检测两种方式，数据来源单一，不能准确得识别列车抱闸现象，漏报率、误报率较高。 本文通过收集、整合相关信息，对货运列车制动的原理、列车抱闸现象进行了分析，研究了现有的列车抱闸检测方法的应用现状，发现了现有检测方法的不足以及明确了本文研究的必要性；通过对多源数据融合的理论以及应用的研究，证实了融合多源数据的列车抱闸检测方法的意义以及可行性。因此，本文提出一种基于多源数据融合的列车抱闸检测方法，此方法综合热轮检测仪、异音检测系统、车轮异物检测系统等多个单一设备的检测结果，并综合速度传感器的数据，充分利用各单一检测设备的多源数据进行列车抱闸检测。方法输入各单一列车抱闸检测系统的检测结果以及传感器数据，输出列车是否抱闸。具体实现步骤如下：首先是建立样本数据库，提取样本库中相关特征，对特征进行数据融合，形成融合的样本数据集；然后构建基于IsolationForest孤立森林异常检测算法、OneClassSVM单分类支持向量机异常检测算法、随机欠采样和支持向量机结合的RUS-SVM分类算法的列车抱闸检测模型，计算模型在融合数据集上的漏报率、误报率，并与现有的列车抱闸检测方法进行对比。 实证结果表明，本文提出的融合多源数据的列车抱闸检测方法与现有的列车抱闸检测方法相比，漏报率、误报率均有降低，其中本文提出的基于RUS-SVM分类算法的列车抱闸检测模型漏报率、误报率均在6%以内，具有具有较好的推广价值。 |
| 作者： | 姚焕蓝 |
| 专业： | 应用统计 |
| 导师： | 韩建枫 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津商业大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
