基于支持向量机的健康状态评估方法

• 作者: 张春 舒敏
• 来源期刊: 计算机系统应用
• 关键词: 轴箱轴承 支持向量机 主成分分析法 层次分析法 健康状态评估 多分类方法
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 专论·综述
• 页码范围: 18-26
• 页数: 9页
• 字数: 7269字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006285

摘要

随着高速铁路动车组的快速发展和应用, 其安全性和可靠性引起了广泛关注. 为了准确判别高速铁路动车组轴箱轴承(以下简称轴箱轴承)的健康状态情况, 提出通过采集轴箱轴承温度及在相同和不同转向架驱动侧、非驱动侧各个部件的温度数据, 利用主成分分析法(PCA)进行特征降维, 将基于决策树的支持向量机(DT-SVM)多分类算法作为判别算法, 同时结合层次分析法(AHP)确定向量值权重, 从而进一步提高分类精度. 大量实验表明该方法可使分类准确率提升5%左右, 此外通过建立健康状态评估模型,将轴箱轴承健康状态分为健康、温升、强温和激温四类, 有助于提高轴箱轴承健康状态的判别力和运维决策的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张春	北京交通大学高速铁路网络管理教育部工程研究中心	35	215	10.0	13.0
5	舒敏	北京交通大学高速铁路网络管理教育部工程研究中心	2	10	2.0	2.0