基于PSO-LSSVM的牵引供电系统故障诊断研究

• 作者: 张雷
• 来源期刊: 机车电传动
• 学科: 工学
• 关键词: 列车供电 故障诊断 最小二乘支持向量机 粒子群优化 主成分分析 接触网
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 研究开发
• 页码范围: 51-55,59
• 页数: 6页
• 分类号: TP277
• 语种: 中文
• DOI: 10.13890/j.issn.1000-128x.2019.03.011

摘要

为了提高列车运行稳定性,针对牵引供电系统故障诊断进行研究.根据牵引供电系统工作原理和特性分析故障现象与发生原因,提取用于故障诊断的特征信号;建立基于粒子群优化算法(Particle Swarm Optimization,简称PSO)优化最小二乘支持向量机(Least Squares Support Vector Machine,简称LSSVM)的故障诊断模型,并使用主成分分析(Principal Component Analysis,简称PCA)算法提取数据特征作为故障诊断模型的输入来降低输入维数;使用多种故障诊断模型进行对比分析.研究结果表明:经过PCA算法提取特征的PSO-LSSVM故障诊断模型具有较高的识别效率和识别准确性.