版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著高速鐵路的運營速度不斷提高,車載設(shè)備作為保障列車安全運行的核心部分,該系統(tǒng)的正常工作對于保障列車的安全運行尤為重要。為了確保列車安全、高效的運行,需要及時準確的診斷出車載設(shè)備發(fā)生的故障類型。在當前的車載設(shè)備故障診斷研究中,診斷方式過于依賴專家知識,并且故障診斷及分析工作主要依賴相關(guān)技術(shù)人員人工完成。目前車載設(shè)備的故障診斷研究,大部分是基于整個車載設(shè)備構(gòu)建分析模型,以完成系統(tǒng)故障的診斷,如構(gòu)建貝葉斯網(wǎng)絡(luò)或是建立車載設(shè)備的故障樹模型等;
2、而對于車載設(shè)備的具體模塊的故障診斷研究相對較少,尤其是對于記錄車載設(shè)備狀態(tài)的文本日志數(shù)據(jù)的分析研究。
本文在針對列控車載設(shè)備日志分析的基礎(chǔ)上,采用Labeled-LDA(Labeled Latent Dirichlet Allocation)方法對日志數(shù)據(jù)進行特征提取,結(jié)合粒子群優(yōu)化支持向量機算法以實現(xiàn)車載設(shè)備的故障診斷。論文的主要工作包括:
(1)本文對300T車載設(shè)備故障數(shù)據(jù)的特點進行了分析。針對故障數(shù)據(jù)的特點,
3、采用數(shù)據(jù)挖掘的方式并結(jié)合現(xiàn)場技術(shù)人員的經(jīng)驗知識,構(gòu)建車載設(shè)備的故障特征詞庫;同時,由于詞項特征對文本信息提取的片面性,本文采用改進Labeled-LDA模型實現(xiàn)對文本信息的語義特征提取,并以主題的形式表征文本數(shù)據(jù)。
(2)通過對故障樣本數(shù)據(jù)的統(tǒng)計,發(fā)現(xiàn)故障樣本數(shù)據(jù)的分布具有嚴重的不均衡性。針對此問題,本文采用粒子群算法對支持向量機(Support Vector Machine,SVM)分類器參數(shù)進行優(yōu)化,以降低不均衡樣本對分類
4、結(jié)果的影響。通過對比仿真結(jié)果,可以驗證該方法在不均衡數(shù)據(jù)的分類診斷問題的有效性。
(3)以上述算法作為理論基礎(chǔ),設(shè)計了車載設(shè)備故障診斷的驗證環(huán)境,并實現(xiàn)了車載日志數(shù)據(jù)的特征提取和車載設(shè)備的故障診斷。為了說明驗證環(huán)境的實用性,采用2017年和2016年共六個月的故障數(shù)據(jù)進行了仿真,對比實際的故障記錄,準確率達90%以上。
本文以300T車載設(shè)備的故障日志文本數(shù)據(jù)為研究對象,結(jié)合專家知識,提出了一種基于改進主題模型的車載
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Labeled-LDA模型的在線醫(yī)療專家推薦研究.pdf
- 基于動態(tài)Labeled-LDA模型的微博主題挖掘.pdf
- 基于貝葉斯網(wǎng)絡(luò)的列控車載設(shè)備故障診斷方法.pdf
- 基于Labeled-LDA的微博趨勢話題檢測技術(shù)研究.pdf
- 基于粗糙集理論的列控車載設(shè)備故障診斷方法.pdf
- 基于統(tǒng)計特征提取的故障診斷方法研究.pdf
- 基于LabeleD-LDA的財經(jīng)新聞分類系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于改進PCA和LDA的特征提取方法.pdf
- 基于貝葉斯網(wǎng)絡(luò)的列控車載設(shè)備故障診斷研究.pdf
- 基于LSTM-BP神經(jīng)網(wǎng)絡(luò)的列控車載設(shè)備故障診斷方法.pdf
- 滾動軸承故障特征提取與診斷方法研究.pdf
- 基于混合故障注入的列控車載設(shè)備測試方法研究.pdf
- 接地網(wǎng)故障特征提取與融合診斷方法.pdf
- 航空電源故障特征提取與故障診斷研究.pdf
- 機電設(shè)備微弱特征提取與診斷方法研究.pdf
- 基于振動信號的軸承故障特征提取及診斷方法研究.pdf
- 基于特征提取的光伏故障診斷研究.pdf
- 模擬電路故障特征提取與智能融合診斷方法.pdf
- 滾動軸承表面損傷故障的特征提取與診斷方法研究.pdf
- 基于信號局部特征提取的機械故障診斷方法研究.pdf
評論
0/150
提交評論