基于IPSO-SVM地鐵牽引控制單元故障診斷.pdf

1、隨著自動化技術的不斷發(fā)展，地鐵車輛運行更加快速、準時、便捷，已經成為各大城市人們出行的主要交通工具，因此必須保持地鐵車輛長期穩(wěn)定的運行狀態(tài)。牽引控制單元(TCU)是地鐵車輛最關鍵的單元之一，當牽引控制單元發(fā)生故障后，對其進行精準的故障診斷，找到故障發(fā)生位置，給出維修意見至關重要。本文研究了地鐵車輛牽引控制單元故障診斷，具體工作包括:
　　(1)選取多分類支持向量機作為基本故障診斷器。地鐵牽引控制單元結構復雜，且很難得到其精確的數學

2、模型?；谥С窒蛄繖C(SVM)的故障診斷方法可以在系統(tǒng)模型未知情況下進行故障診斷，針對樣本量少、輸入量維數高的故障診斷問題中表現(xiàn)出優(yōu)異的性能，適合于TCU的故障診斷。SVM不僅克服了神經網絡需要大量訓練樣本的缺陷，而且最終將收斂到全局最優(yōu)解，避免得到局部最優(yōu)解。
　　(2)提出用改進粒子群算法優(yōu)化支持向量機參數的方法。SVM的懲罰因子C和核函數參數σ對分類精度影響很大，隨機試驗法費時且不一定能得到最優(yōu)的參數組合。本文提出了用IPS

3、O自動選擇C、σ的方法。在基本PSO算法中加入粒子平均分布策略、自適應慣性權重，并在優(yōu)化過程中加入了過早停滯計時器，有效判斷種群是否陷入了過早停滯狀態(tài)，幫助種群跳出局部最優(yōu)。
　　(3)基于某城市地鐵6號線運行數據進行故障診斷效果驗證?？紤]到故障發(fā)生頻率、故障的重疊關系等多方面因素，本文選擇地鐵牽引控制單元的9種故障作為故障診斷輸出，11個牽引控制單元相關變量作為分類器輸入。整體故障診斷準確率為93.07％，驗證了本文的IPSO-