粗糙集軌道電路故障診斷方法

支持向量機(jī)（svm）是-種解決小樣本分類問題的最佳理論算法,它的核函數(shù)的參數(shù)選擇非常重要,直接影響著故障診斷的準(zhǔn)確率.本文將粒子群算法（pso）用于支持向量機(jī)的參數(shù)優(yōu)化,提出基于粒子群支持向量機(jī)的故障診斷模型,并將其運(yùn)用于軌道電路中.通過對比matlab仿真結(jié)果得出：經(jīng)過粒子群尋優(yōu)得到的參數(shù)比隨機(jī)選取的參數(shù)更優(yōu),所建立的pso-svm模型的故障診斷準(zhǔn)確率高于普通的svm模型.

支持向量機(jī)(svm)算法以統(tǒng)計學(xué)習(xí)理論為基礎(chǔ),依據(jù)結(jié)構(gòu)風(fēng)險最小化的原則,且在有效的特征信息有效的情況下,能夠?qū)?shù)據(jù)中隱藏的有效信息進(jìn)行挖掘。故本文用支持向量機(jī)對zpw-2000軌道電路進(jìn)行故障診斷研究,且用遺傳算法和粒子群算法對其中的參數(shù)進(jìn)行優(yōu)化,進(jìn)而實(shí)現(xiàn)故障類別的判斷。對提高鐵路信號維護(hù)的智能化水平有重大意義。

86電子電路故障診斷的新方法

在內(nèi)燃機(jī)神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)的基礎(chǔ)上,引入粗糙集理論,對其在內(nèi)燃機(jī)故障診斷特征參數(shù)屬性優(yōu)化中的運(yùn)用進(jìn)行了探索。利用可辨識矩陣算法對決策表進(jìn)行屬性約簡,剔除其中不必要的屬性,揭示了故障診斷條件屬性內(nèi)在的冗余性,降低了神經(jīng)網(wǎng)絡(luò)構(gòu)成的復(fù)雜性。最后給出了屬性約簡的結(jié)果。

減少25Hz相敏軌道電路故障的方法

提出一種基于變精度粗糙集算法的閥門故障診斷方法。該方法具有一定的容錯能力,同時能夠在確保故障規(guī)則具有較高準(zhǔn)確度和覆蓋度的前提下得到盡可能簡潔的規(guī)則集。將該方法用于柴油機(jī)排氣閥典型故障的診斷,研究表明該方法具有良好的故障診斷性能。

目的通過對鋁電解生產(chǎn)過程中的故障進(jìn)行有效地診斷來提高鋁的生產(chǎn)效率和節(jié)約能源.方法把粗糙集和神經(jīng)網(wǎng)絡(luò)結(jié)合起來應(yīng)用在鋁電解的故障診斷中.先用自組織特征映射網(wǎng)絡(luò)(som)對初始數(shù)據(jù)進(jìn)行離散化后得到?jīng)Q策表,然后用粗糙集理論對決策表進(jìn)行約簡得到最簡決策表,根據(jù)最簡決策表設(shè)計bp神經(jīng)網(wǎng)絡(luò)對鋁電解中的故障進(jìn)行診斷.結(jié)果用粗糙集對神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)進(jìn)行預(yù)處理可以簡化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),減少計算量和訓(xùn)練時間,從而提高整個診斷系統(tǒng)的診斷效率、故障診斷準(zhǔn)確率在90%以上.結(jié)論該方法能夠?qū)︿X電解中的故障做出正確的診斷.

電氣化區(qū)段25hz相敏軌道電路故障處理方法 25hz相敏軌道電路故障對行車組織構(gòu)成極大影響，也是困擾電務(wù)系統(tǒng)的一大難題。如果把 軌道電路故障壓縮到最低限度，電務(wù)系統(tǒng)的信號故障將會壓縮30﹪左右，基于這一現(xiàn)狀， 現(xiàn)將日常處理故障所積累的經(jīng)驗(yàn)和所收集的一些資料歸納如下，以供現(xiàn)場參考。 一、從基礎(chǔ)做起，將故障消滅在萌芽狀態(tài)。 1、要掌握基礎(chǔ)數(shù)據(jù)，以便在故障處理時作為參考。 2、要認(rèn)真測試，充分利用先進(jìn)的技術(shù)手段（微機(jī)監(jiān)測系統(tǒng)）查詢軌道曲線，發(fā)現(xiàn) 軌道電壓有變化或軌道曲線波動時，要認(rèn)真分析查找。 3、要加強(qiáng)對相角的測試，通過相角的變化可以判斷軌道參數(shù)的變化，如絕緣不良、 防護(hù)盒不好等。 4、處理故障時要頭腦清醒，充分考慮軌道電路的區(qū)別（有無電碼化疊加、一送一 受還是一送多受）。有電碼化疊加區(qū)段在測試時必須用頻率表測試或?qū)㈦姶a化關(guān)掉查找（疊 加區(qū)段為股道）。 二、故障處理

為了使電路故障診斷系統(tǒng)更加智能化、高效化,將基于模型診斷的故障診斷技術(shù)應(yīng)用在智能消防小車電路中。根據(jù)小車的系統(tǒng)行為信息對小車進(jìn)行建模,利用串口模塊將描述文件在線輸入到計算機(jī)中,再根據(jù)isds算法以及帶有終止節(jié)點(diǎn)的csse-tree算法調(diào)用minisat求解器求解診斷結(jié)果。實(shí)驗(yàn)表明,該系統(tǒng)能夠迅速指示故障元件,診斷效率較高,具有較好的應(yīng)用前景。

模糊粗糙集數(shù)據(jù)挖掘方法在電力變壓器故障診斷中的應(yīng)用研究 ——基于油中溶解氣體的分析診斷 董立新1,肖登明1,王俏華1,呂干云1,劉奕路2 (1.上海交通大學(xué)電子信息及電氣工程學(xué)院,上海200240； 2.美國弗吉尼亞理工大學(xué)電氣工程系) 摘要:將電力變壓器故障歷史數(shù)據(jù)首先進(jìn)行模糊化及離散化處理，然后構(gòu) 建故障診斷決策表，以決策表作為主要工具，即“知識庫”，采用粗糙集數(shù)據(jù)挖 掘方法直接從決策表中提取出潛在的診斷規(guī)則，為電力變壓器提供有效的故障診 斷。 關(guān)鍵詞:模糊;故障診斷;知識庫;粗糙集（rs） fuzzyroughsetsmethodapplicationresearchforfault diagnosisofpowertransformer donglixin1,xiaodengming1,wa

核數(shù)據(jù)的獲取和處理包括探測器將核粒子能量通過模擬放大器轉(zhuǎn)換成與之對應(yīng)的脈沖幅度;再由模擬-數(shù)字轉(zhuǎn)換器(adc)或時間-數(shù)字變換器(tdc)將探測器給出的脈沖幅度(或時間間隔)變換成離散的核信息數(shù)據(jù)。本文根據(jù)其離散數(shù)據(jù)提取特征值并進(jìn)行模式識別,嘗試基于支持向量機(jī)的模擬電路故障定位,并通過軟件仿真對此方法進(jìn)行檢驗(yàn)。通過具體成形放大模擬電路仿真實(shí)驗(yàn),驗(yàn)證了支持向量機(jī)對模擬電路故障定位的有效性。

提出一種利用小波變換提取模擬電路故障特征和基于支持向量機(jī)狀態(tài)分類的模擬電路故障自動識別和診斷方法。首先討論小波變換的基本原理和支持向量機(jī)原理及其多分類算法,同時著重研究支持向量機(jī)的一種改進(jìn)型一對多故障分類算法,然后實(shí)現(xiàn)在小波變換上,采用分布式多svm分類器識別單相橋式整流模擬電路的故障。實(shí)驗(yàn)證明,該方法能準(zhǔn)確有效地對模擬電路故障進(jìn)行識別和診斷。

支持向量機(jī)模擬電路故障診斷涉及到特征提取、特征選擇和支持向量機(jī)的參數(shù)優(yōu)化等問題,它們都對診斷結(jié)果有直接的影響。針對這一問題,提出了一種基于改進(jìn)的離散粒子群算法的同步優(yōu)化方法。該算法采用非線性慣性權(quán)重和遺傳操作相結(jié)合的方法,提高了粒子群前期迭代的探索能力和后期迭代的開發(fā)能力,同時降低了粒子群陷入局部最優(yōu)的風(fēng)險。通過模擬電路的仿真實(shí)驗(yàn),驗(yàn)證了同步優(yōu)化方法和改進(jìn)的離散粒子群算法的有效性。

為提高模擬電路故障診斷效率,克服依據(jù)單一信息進(jìn)行診斷的不足,提出了一種支持向量機(jī)信息融合的模擬電路故障診斷方法;首先構(gòu)建了基于支持向量機(jī)的信息融合診斷模型,其次給出了基于小波包變換的能量特征提取和基于主元分析特征壓縮方法,分析了支持向量機(jī)一對一多分類方法,最后通過模擬電路的仿真實(shí)驗(yàn),與未進(jìn)行信息融合,以及bp、rbf和pnn等神經(jīng)網(wǎng)絡(luò)對比,結(jié)果顯示,基于支持向量機(jī)信息融合方法的診斷精度最高,約為97.3%。

精品論文參考文獻(xiàn) zpw-2000a無絕緣軌道電路故障判斷方法分析 朱小娟黑龍江交通職業(yè)技術(shù)學(xué)院161002 zpw-2000a型無絕緣軌道電路分為主軌道電路和送端調(diào)諧區(qū)小軌道電路兩 部分。zpw-2000a型無絕緣軌道電路故障判斷分析需注意：不能以“軌入”電壓 作為判斷故障的唯一依據(jù)，這是與um-71設(shè)備的主要區(qū)別所在，因?yàn)閦pw-2000a 設(shè)備增加了“衰耗盒”，接收器的工作值取決于經(jīng)“衰耗盒”分頻調(diào)整后的主軌 道接收信息（指“軌出1”電壓）和小軌道接收信息（指“軌出2”電壓）。不能 單以測試數(shù)據(jù)符合標(biāo)準(zhǔn)范圍確定好壞，而是測試數(shù)據(jù)必須與日常測試數(shù)據(jù)進(jìn)行比 較，再作出正確判斷。 一、zpw-2000a型無絕緣軌道電路發(fā)送無功出故障分析與判斷 結(jié)合發(fā)送盒工作條件和經(jīng)驗(yàn)來分析判斷發(fā)送無功出故障，最常出現(xiàn)的故障是 編碼電路故障（因?yàn)槔^電器接點(diǎn)是動態(tài)的）、模擬電纜故障和

隨著電網(wǎng)故障發(fā)生率的增多,越來越多的不確定因素也隨之增多,導(dǎo)致診斷結(jié)果不夠準(zhǔn)確。文章提出了一種粗糙決策樹配電網(wǎng)故障算法,并針對決策表進(jìn)行規(guī)則提取。這種算法的應(yīng)用能夠?qū)Σ煌暾男畔⑦M(jìn)行處理,對決策進(jìn)行簡要分析。

隨著電網(wǎng)故障發(fā)生率的增多,越來越多的不確定因素也隨之增多,導(dǎo)致診斷結(jié)果不夠準(zhǔn)確。文章提出了一種粗糙決策樹配電網(wǎng)故障算法,并針對決策表進(jìn)行規(guī)則提取。這種算法的應(yīng)用能夠?qū)Σ煌暾男畔⑦M(jìn)行處理,對決策進(jìn)行簡要分析。

研究電路的故障問題,應(yīng)提高快速性和準(zhǔn)確性。為提高仿真電路故障診斷效率,給出了一種基于改進(jìn)支持向量機(jī)的仿真電路故障診斷方法。首先通過小波包變換實(shí)現(xiàn)了信號的能量特征提取,根據(jù)主元分析完成了特征壓縮;其次針對支持向量機(jī)多分類一對一方法存在的不可分類區(qū),將其與最近鄰分類法相結(jié)合,實(shí)現(xiàn)了電路的故障診斷,并提出了一種混合遺傳算法實(shí)現(xiàn)了小波函數(shù)和支持向量機(jī)參數(shù)的同步選擇;最后通過一仿真電路的仿真實(shí)驗(yàn),與bp,rbf和pnn等神經(jīng)網(wǎng)絡(luò)對比,結(jié)果顯示基于支持向量機(jī)的方法診斷精度最高,達(dá)到98%,為設(shè)計提供參考依據(jù)。

為了解決因缺少大量故障數(shù)據(jù)樣本而制約數(shù)字電路故障智能診斷發(fā)展的問題,提出了一種基于支持向量機(jī)的故障診斷仿真模型。由fpga仿真產(chǎn)生數(shù)字電路,由pci-7200i/o卡進(jìn)行采集。支持向量機(jī)建立在vc維理論和結(jié)構(gòu)風(fēng)險最小原理基礎(chǔ)上,根據(jù)有限的樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折衷。在選取診斷模型輸入向量時,對故障信號進(jìn)行篩選,簡化了故障特征向量的提取。仿真結(jié)果表明支持向量機(jī)可以有效地對數(shù)字電路故障進(jìn)行診斷。

通過基于傳輸線理論的無絕緣軌道電路分路狀態(tài)仿真模型,分析補(bǔ)償電容斷線故障對軌道短路電流的影響規(guī)律,利用機(jī)車信號感應(yīng)電壓包絡(luò)與軌道電路短路電流的關(guān)系,提出基于機(jī)車信號記錄信息的補(bǔ)償電容故障診斷方法。該方法采用b樣條離散二進(jìn)小波變換對機(jī)車信號所記錄的感應(yīng)電壓幅度包絡(luò)信號進(jìn)行降噪,再通過對hilbert-huang變換的改進(jìn),計算各imf分量經(jīng)逐級累加后的相位信息,最后利用相位卷繞,根據(jù)相位信息中突變點(diǎn)的分布變化和補(bǔ)償電容狀態(tài)的對應(yīng)關(guān)系,實(shí)現(xiàn)對補(bǔ)償電容的故障診斷。實(shí)驗(yàn)表明,該方法適應(yīng)性較強(qiáng),受軌道電路長度和道砟電阻等軌道參數(shù)影響很小,能夠準(zhǔn)確檢測出軌道電路單一補(bǔ)償電容的故障位置,并且由于該方法的分析數(shù)據(jù)直接來自于機(jī)車信號自身的記錄器,不需要額外增加硬件和單獨(dú)安排運(yùn)行交路,因此能夠降低檢測成本和滿足對檢測及時性等方面的要求。

針對水電機(jī)組常規(guī)振動故障診斷分類器不能反映分類中的不確定信息的不足,提出一種基于粗糙集的一對一(1-v-1)多類支持向量機(jī)分類方法。該方法充分利用粗糙集對不確定、不完整數(shù)據(jù)和復(fù)雜模式的良好刻畫能力及支持向量機(jī)優(yōu)秀的泛化能力,應(yīng)用粗糙集最核心的思想:上、下近似來描述支持向量機(jī)分類結(jié)果。結(jié)合1-v-1方法實(shí)現(xiàn)支持向量機(jī)的多類分類,導(dǎo)出多類分類時樣本的上、下近似和邊界區(qū)域的集合表示,并以規(guī)則的形式對分類器進(jìn)行描述。用所提方法對國際標(biāo)準(zhǔn)測試數(shù)據(jù)進(jìn)行實(shí)驗(yàn),并應(yīng)用于某水電廠機(jī)組振動故障診斷。所得結(jié)果與單純1-v-1多類支持向量機(jī)方法比較,結(jié)果表明該分類器具有規(guī)則簡潔、分類階段所需存儲空間小,能夠反映故障模式分類中的不確定信息等優(yōu)點(diǎn)。

提出應(yīng)用粗糙集和支持向量機(jī)水電機(jī)組振動的故障診斷模型。運(yùn)用粗糙集理論對水電機(jī)組振動信號的屬性特征進(jìn)行預(yù)處理,在約簡去除其冗余屬性后得到?jīng)Q策表,將決策表作為支持向量機(jī)的學(xué)習(xí)樣本,通過訓(xùn)練,使構(gòu)建的支持向量機(jī)多分類器能夠反映屬性特征和故障類型的映射關(guān)系,從而達(dá)到故障診斷的目的。測試結(jié)果表明,與常規(guī)方法相比,應(yīng)用粗糙集和支持向量機(jī)相結(jié)合的方法進(jìn)行故障診斷具有簡單有效、診斷速度快和良好的魯棒性等優(yōu)點(diǎn),是一種有效的診斷方法。