原文传递
基于IPSO-SVM地铁牵引控制单元故障诊断
| 论文题名： | 基于IPSO-SVM地铁牵引控制单元故障诊断 |
| 关键词： | 地铁牵引控制单元;故障诊断;支持向量机;粒子群优化算法 |
| 摘要： | 随着自动化技术的不断发展，地铁车辆运行更加快速、准时、便捷，已经成为各大城市人们出行的主要交通工具，因此必须保持地铁车辆长期稳定的运行状态。牵引控制单元(TCU)是地铁车辆最关键的单元之一，当牵引控制单元发生故障后，对其进行精准的故障诊断，找到故障发生位置，给出维修意见至关重要。本文研究了地铁车辆牵引控制单元故障诊断，具体工作包括: (1)选取多分类支持向量机作为基本故障诊断器。地铁牵引控制单元结构复杂，且很难得到其精确的数学模型。基于支持向量机(SVM)的故障诊断方法可以在系统模型未知情况下进行故障诊断，针对样本量少、输入量维数高的故障诊断问题中表现出优异的性能，适合于TCU的故障诊断。SVM不仅克服了神经网络需要大量训练样本的缺陷，而且最终将收敛到全局最优解，避免得到局部最优解。 (2)提出用改进粒子群算法优化支持向量机参数的方法。SVM的惩罚因子C和核函数参数σ对分类精度影响很大，随机试验法费时且不一定能得到最优的参数组合。本文提出了用IPSO自动选择C、σ的方法。在基本PSO算法中加入粒子平均分布策略、自适应惯性权重，并在优化过程中加入了过早停滞计时器，有效判断种群是否陷入了过早停滞状态，帮助种群跳出局部最优。 (3)基于某城市地铁6号线运行数据进行故障诊断效果验证。考虑到故障发生频率、故障的重叠关系等多方面因素，本文选择地铁牵引控制单元的9种故障作为故障诊断输出，11个牵引控制单元相关变量作为分类器输入。整体故障诊断准确率为93.07％，验证了本文的IPSO-SVM方法对TCU故障诊断的有效性和适用性。 |
| 作者： | 徐晓璐 |
| 专业： | 检测技术与自动化装置 |
| 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： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
