基于MKLSVM的MVB端接故障诊断

• 作者: 岳川 李召召 王立德 申萍
• 来源期刊: 北京交通大学学报
• 学科: 交通运输
• 关键词: 网络故障诊断 端接故障 支持向量机 多核学习
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 电力系统控制和故障诊断
• 页码范围: 100-106
• 页数: 7页
• 分类号: U285.5
• 字数: 4659字
• 语种: 中文
• DOI: 10.11860/j.issn.1673-0291.20180128

摘要

列车通信网络的故障诊断一直是列车健康管理中的难点,复杂的工作环境、分布式的系统结构也使得故障难以被发现和定位.在分析多功能车辆总线(Multifunction Vehicle Bus,MVB)网络端接故障和反射形成机理的基础上,提出了一种以MVB网络物理波形参数为样本特征,结合多核学习支持向量机(Multiple Kernel Learning Support Vector Machine,MKLSVM)的网络故障诊断方法,以完成由端接电阻造成的网络故障诊断.搭建平台,进行了数据采集、模型训练、结果测试.分别利用普通支持向量机及MKLSVM对样本集进行了测试,并从不同性能度量角度评估了分类器性能.结果显示:以物理波形参数为样本特征能够表征端接网络故障的故障模式,结合支持向量机(Support Vector Machine,SVM)的模式识别方法能够有效对端接网络故障进行诊断.在查准率、查全率、分类精度、代价函数方面,MKLSVM均优于普通SVM分类器.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王立德	北京交通大学电气工程学院	103	785	15.0	22.0
2	申萍	北京交通大学电气工程学院	59	360	12.0	15.0
3	岳川	北京交通大学电气工程学院	4	8	2.0	2.0
4	李召召	北京交通大学电气工程学院	7	22	2.0	4.0