Release Time:2019-03-10  Hits:

Indexed by: Journal Article

Date of Publication: 2015-01-22

Journal: 大连理工大学学报

Included Journals: Scopus、CSCD、ISTIC、PKU

Volume: 55

Issue: 1

Page Number: 67-72

ISSN: 1000-8608

Key Words: 牵引控制单元;故障诊断;支持向量机(SVM);改进粒子群优化(IPSO)算法

Abstract: 地铁车辆牵引控制单元(TCU)是地铁系统的核心单元之一，准确诊断其故障状态对整个地铁车辆安全运行至关重要.基于数据的故障诊断方法是当前热点方法之一.针对牵引控制单元故障诊断中检测参数多、故障类别多的特点，提出了改进的粒子群优化支持向量机(IPSO-SVM)方法，克服了传统方法存在过拟合、收敛速度慢、易陷入局部最优的缺点.使用UCI机器学习数据库中的5个数据集进行仿真实验，结果表明：IPSO-SVM 分类精度高于ICPSO-SVM、PSO-SVM、GA-SVM.进一步将此方法应用于地铁车辆实际数据，同样得到了较好的分类结果，验证了所提方法的有效性.