典型文献
基于DBN-MPA-LSSVM的无绝缘轨道电路故障诊断研究
文献摘要：
针对区间无绝缘轨道电路故障类型复杂、诊断精度低等问题,从故障特征提取和特征分类两方面出发,提出了一种深度置信网络(DBN)和海洋捕食者算法(MPA)优化最小二乘支持向量机(LSSVM)的故障诊断方法.首先,将集中监测数据和状态标签输入到DBN,以半监督的方式进行降维和特征提取,从而挖掘轨道电路不同故障特征信息;然后,采用MPA智能算法对LSSVM的惩罚因子和核函数参数进行寻优并建立最优MPA-LSSVM诊断模型;最后,将DBN提取的特征样本导人诊断模型进行轨道电路的故障分类识别.DBN-MPA-LSSVM诊断模型充分利用了 DBN在特征提取过程中的逐层提取优势以及LSSVM在解决小样本情况下高维模式识别的优势.实验验证与对比分析表明,DBN-MPA-LSSVM模型测试集准确率为98.33％,MPA优化算法较PSO、GWO、GA算法模型诊断准确率分别提高了 6.11％、3.89％、3.33％,平均准确率为97.98％,为基于数据驱动的轨道电路故障诊断技术提供了一种新的方法.
文献关键词：
无绝缘轨道电路;深度置信网络;海洋捕食者算法;最小二乘支持向量机;故障诊断
中图分类号：
作者姓名：
林俊亭;王帅
作者机构：
兰州交通大学自动化与电气工程学院 兰州 730070
文献出处：
引用格式：
[1]林俊亭;王帅-.基于DBN-MPA-LSSVM的无绝缘轨道电路故障诊断研究)[J].电子测量与仪器学报,2022(09):37-44
A类：
B类：
DBN,MPA,LSSVM,无绝缘轨道电路,电路故障诊断,诊断研究,故障类型,故障特征提取,特征分类,深度置信网络,海洋捕食者算法,最小二乘支持向量机,故障诊断方法,集中监测,数据和状态,半监督,特征信息,智能算法,惩罚因子,核函数,函数参数,诊断模型,特征样本,故障分类识别,逐层提取,小样本,高维,模式识别,模型测试,测试集,PSO,GWO,GA,算法模型,诊断准确率,平均准确率,故障诊断技术
AB值：
0.272766
相似文献
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。
