科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统的轨道电路故障分析方法大多假设不同类别的数据样本数量是相似或相等的，然而在实际采集到的监测数据中，正常工作的样本数据占绝大部分，故障数据只占少部分，这种数据不平衡特性会影响学习模型的分类性能，从而不能给出准确的故障诊断结果。因此文中提出基于概率校准平衡随机森林算法的轨道电路故障分析方法，以减少数据不平衡对轨道电路故障诊断准确度的影响。实验结果表明：经过概率校准后的平衡随机森林算法对实际监测数据具有更好的分析诊断能力；与XGBoost、LightGBM等算法相比，PC-BRF在ZPW-2000二分类数据集以及在25 Hz轨道电路多分类数据集上的分类综合性能更优，能对轨道电路故障不平衡数据进行有效分析，提高现场监测数据的利用率。
-
单位北京交通大学; 电子信息工程学院
