科研之友
微信
新浪微博
Facebook
分享链接
摘要
为诊断铁路道岔控制电路中的常见故障，提出了一种基于数据密度聚类算法（Density-based spatial clustering of applications with noise,DBSCAN）与自组织特征映射网络（Self-organizing feature map,SOM）结合的诊断方法。利用微机监测系统记录转辙机三相电流曲线，以转辙机动作原理为标准对曲线分段处理并计算三相电流特征参数。针对初始特征维数较高的问题，以DBSCAN算法筛选故障诊断敏感特征，构建诊断敏感特征集。以粒子群优化算法（Particle swarm optimization,PSO）调整SOM网络权值修改规则从而避免网络出现“死神经元”，设计PSO-SOM网络故障分类器并完成待测样本分类诊断。实验表明，该方法在训练样本较少的情况下，能判断道岔控制电路故障模式。与传统SOM网络相比，其故障诊断准确率更高。
-
单位兰州交通大学; 交通运输学院
