列车定位单元ODO故障分析及HMM的应用研究

• 作者: 上官伟 张军政 王化深 臧钰 蔡伯根
• 来源期刊: 西南交通大学学报
• 学科: 交通运输
• 关键词: 列控系统 故障诊断 里程计 神经网络 隐马尔科夫模型 遗传算法
• 年，卷（期）: 2017,（6）
• 页码范围: 1233-1240
• 页数: 8页
• 分类号: U283.2
• 字数: 6339字
• 语种: 中文
• DOI: 10.3969/j.issn.0258-2724.2017.06.026

摘要

列车运行过程中车轮会出现打滑抱死等现象,导致ODO (odometers)呈现功能故障状态,针对这一问题,进行了列车定位单元ODO故障分析及HMM (hidden Markov models)的应用研究.首先利用神经网络方法对ODO故障状态进行诊断;然后,引入基于HMM的故障诊断方法,从模式识别角度出发,建立ODO隐藏的故障状态模型,通过输入观测序列与分类器中的HMM匹配,得出ODO的故障诊断结果;最后,通过遗传算法对HMM中的参数训练部分进行改进.实例分析结果表明:利用神经网络进行故障诊断的故障识别率为33.3％,基于HMM的故障诊断方法对于正常和故障状态的诊断精度可达100％,总体诊断精度可达95％,利用遗传算法进行参数改进后经仿真对比表明:在训练速度上遗传算法可以较快到达稳态,训练精度提高了86％;在高噪声背景下用神经网络方法实现故障诊断具有明显缺陷,利用遗传算法可以改进B-W(Baum-Welch)算法易陷入局部最优的缺陷,基于HMM的故障诊断方法相较于神经网络方法有更高的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡伯根	北京交通大学电子信息工程学院	129	1198	19.0	26.0
7	上官伟	北京交通大学电子信息工程学院	58	408	12.0	17.0
19	臧钰	北京交通大学电子信息工程学院	1	5	1.0	1.0
20	张军政	北京交通大学电子信息工程学院	1	5	1.0	1.0