典型文献
基于PSO-SVM的车载ATC设备故障诊断
文献摘要：
地铁列车车载自动控制系统(Automatic Train Control,ATC)设备的故障排查诊断大多依赖人工经验,存在效率低下问题.针对车载ATC设备的故障诊断问题,采用一种基于粒子群算法优化支持向量机(Particle Swarm Optimization-Support Vector Machine,PSO-SVM)的地铁列车车载ATC设备故障诊断方法.根据历史故障数据记录表得到故障特征词汇集,引入粗糙集理论的知识对故障特征词汇集进行属性约简.利用PSO-SVM算法对约减后的故障特征词汇集进行分类对比,实验结果表明:在相同训练测试集下,PSO-SVM算法相对于SVM、神经网络算法具有更高的故障诊断准确率,并且更具稳定性.
文献关键词：
车载ATC设备;故障诊断;粗糙集;粒子群算法;支持向量机
中图分类号：
作者姓名：
付文秀;周晓勇;李弘扬;郭毅
作者机构：
北京交通大学电子信息工程学院,北京 100044;中铁通信信号勘测设计院有限公司,北京 100071
文献出处：
引用格式：
[1]付文秀;周晓勇;李弘扬;郭毅-.基于PSO-SVM的车载ATC设备故障诊断)[J].北京交通大学学报,2022(02):98-107
A类：
B类：
PSO,车载,ATC,设备故障诊断,地铁列车,车车,自动控制系统,Automatic,Train,Control,故障排查,排查诊断,下问,诊断问题,粒子群算法,算法优化,优化支持向量机,Particle,Swarm,Optimization,Support,Vector,Machine,故障诊断方法,故障数据,数据记录,记录表,故障特征,特征词,汇集,粗糙集理论,属性约简,分类对比,测试集,神经网络算法,故障诊断准确率
AB值：
0.390365
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
