基于PLSA和SVM的道岔故障特征提取与诊断方法研究

• 作者: 唐涛 王峰 钟志旺
• 来源期刊: 铁道学报
• 学科: 交通运输
• 关键词: 主题模型 支持向量机 道岔故障 特征提取 故障诊断
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 铁道通信信号、信息化
• 页码范围: 80-87
• 页数: 8页
• 分类号: U216.42
• 字数: 6529字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-8360.2018.07.012

摘要

铁路局和电务段长期以来保留的道岔故障记录是非常宝贵的数据,对道岔故障类型统计、故障特征分析、故障诊断和故障预测有非常好的参考作用,但这些数据往往保存格式多样,难以直接利用.本文提出基于主题模型PLSA和支持向量机SVM的道岔设备故障特征提取与诊断方法.通过分词算法将故障文档表达在词项特征空间中;采用主题模型算法提取主题特征,并将故障文档表达在主题特征空间上;以SVM算法构造诊断器实现道岔设备的故障诊断.利用中国铁路广州局集团有限公司道岔故障记录的真实数据,对提出的算法有效性进行验证.实验表明,提出的算法能有效实现道岔设备故障诊断,对现场维护有一定的指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐涛	北京交通大学轨道交通控制与安全国家重点实验室	152	2578	27.0	40.0
2	钟志旺	北京交通大学电子信息工程学院	6	25	3.0	5.0
3	王峰	北京交通大学轨道交通控制与安全国家重点实验室	6	30	3.0	5.0