軌道電路作為鐵路信號(hào)室外基礎(chǔ)設(shè)備之一,實(shí)現(xiàn)列車占用和信息傳輸?shù)茸饔?保障著列車的安全運(yùn)行和運(yùn)輸效率。隨著列車速度的不斷提高,對(duì)列控系統(tǒng)提出了更高的要求。目前對(duì)于軌道電路故障診斷技術(shù)的研究存在診斷準(zhǔn)確率低、診斷時(shí)間長(zhǎng)等不足,仍給鐵路工作人員的維修維護(hù)帶來(lái)很大的壓力,對(duì)軌道電路故障診斷技術(shù)的研究仍然有很重要的意義。本文以我國(guó)鐵路廣泛應(yīng)用的ZPW-2000A無(wú)絕緣軌道電路為研究對(duì)象,研究其故障診斷技術(shù)。主要從故障診斷算法、診斷結(jié)果、診斷準(zhǔn)確率三個(gè)方面進(jìn)行了相應(yīng)的研究。首先,闡述無(wú)絕緣軌道電路的結(jié)構(gòu)原理,分析其故障模式、故障原因以及特征提取方法。在此基礎(chǔ)上,研究當(dāng)下故障診斷算法存在的不足以及在軌道電路應(yīng)用的空缺,將粒子群（Particle Swarm Optimization,PSO）算法和最小二乘支持向量機(jī)（Least Square Support Vector Machines,LSSVM）結(jié)合的算法應(yīng)用在此領(lǐng)域。分析其存在的不足,提出改進(jìn)后的PSO-LSSVM故障診斷方法。一方面,通過(guò)改變慣性權(quán)重系數(shù)、引入收縮因子、調(diào)整學(xué)習(xí)因子對(duì)PSO算法進(jìn)行改進(jìn),克服其易陷入局部最優(yōu)的問(wèn)題;另一方面,... 

【文章來(lái)源】：蘭州交通大學(xué)甘肅省

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

故障診斷實(shí)現(xiàn)方式分類從2005年起，我國(guó)學(xué)者己對(duì)軌道電路故障診斷方式進(jìn)行大量的研究

基于改進(jìn)PSO-LSSVM的軌道電路故障診斷方法研究-8-2相關(guān)理論概述本章節(jié)對(duì)三種主要算法：PSO算法、LSSVM以及SA算法進(jìn)行理論概述。首先闡述三種算法的來(lái)源、優(yōu)缺點(diǎn)以及原理；其次分析算法存在的問(wèn)題；最后對(duì)算法的流程進(jìn)行詳細(xì)的闡述。2.1粒子群算法2.1.1算法原理與特點(diǎn)粒子群算法是由Kennedy和Eberhart于1995年提出的一種模擬鳥(niǎo)群覓食行為、探尋兩者之間關(guān)系的智能算法[34]。由于算法簡(jiǎn)單、收斂速度快、優(yōu)化能力強(qiáng)，是現(xiàn)下較為先進(jìn)并被廣泛使用的智能算法。為便于理解其思想，可假想：一群鳥(niǎo)想在某塊地方尋找一塊食物，但只了解自身距離食物多遠(yuǎn)，卻不知具體位于何處，此時(shí)最簡(jiǎn)單的辦法就是尋找離這塊食物最近的同伴。上述場(chǎng)景中的每只鳥(niǎo)，都可以看作一個(gè)粒子，而這塊食物便是粒子的最優(yōu)解。具體如圖2.1所示。圖2.1粒子群算法圖解用算法可表示為：設(shè)在一個(gè)n維空間中，共有m個(gè)粒子，粒子位置為T(mén)12(,,,)iiiinX=XXX，速度為T(mén)12(,,,)iiiinV=VVV，其個(gè)體極值為12(,,,)iiiinp=ppp,全局極值為12(,,,)ggggnp=ppp。粒子動(dòng)態(tài)跟蹤pi、pg，最終達(dá)到最優(yōu)值[35]。具體速度和位置公式如式2.1、式2.2所示。

基于改進(jìn)PSO-LSSVM的軌道電路故障診斷方法研究-10-圖2.2算法流程2.2最小二乘支持向量機(jī)2.2.1超平面與SVM有樣本數(shù)據(jù)集(,)iixy，其中i=1,2,,n，Rnix，-11iy,，n為樣本個(gè)數(shù)。要想在樣本空間數(shù)據(jù)集的基礎(chǔ)上對(duì)不同類型的樣本劃分，就需要一個(gè)超平面來(lái)實(shí)現(xiàn)。但這樣的超平面有很多，如圖2.3所示�，F(xiàn)下的問(wèn)題就是利用方法找出最佳的一個(gè)超平面。圖2.3超平面的劃分超平面可用算法表示如下：

【參考文獻(xiàn)】：
期刊論文
[1]基于PSO-LSSVM的牽引供電系統(tǒng)故障診斷研究[J]. 張雷.  機(jī)車電傳動(dòng). 2019(03)
[2]鐵路信號(hào)軌道電路介紹及故障分析[J]. 王衛(wèi)國(guó).  科技創(chuàng)新與應(yīng)用. 2019(03)
[3]基于粗糙集理論和FCM的軌道電路故障診斷模型[J]. 李林霄,董昱.  鐵道標(biāo)準(zhǔn)設(shè)計(jì). 2019(09)
[4]蝙蝠算法優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)的25Hz相敏軌道電路故障診斷研究[J]. 鄭云水,牛行通,康毅軍.  鐵道學(xué)報(bào). 2018(12)
[5]基于PSE-ANFIS的ZPW-2000A軌道電路故障診斷方法[J]. 陳姝姝,田慕琴,宋建成.  太原理工大學(xué)學(xué)報(bào). 2018(06)
[6]ZPW—2000A軌道電路故障分析與處理[J]. 劉建壯.  中國(guó)新技術(shù)新產(chǎn)品. 2018(18)
[7]基于粒子群優(yōu)化最小二乘支持向量機(jī)的離心式制冷機(jī)故障診斷[J]. 卿紅,韓華,崔曉鈺,范雨強(qiáng).  暖通空調(diào). 2018(09)
[8]基于方法組合的軌道電路故障診斷模型[J]. 董煜,董昱.  鐵道標(biāo)準(zhǔn)設(shè)計(jì). 2019(05)
[9]基于組合決策樹(shù)的無(wú)絕緣軌道電路故障診斷方法研究[J]. 朱文博,王小敏.  鐵道學(xué)報(bào). 2018(07)
[10]基于BP神經(jīng)網(wǎng)絡(luò)的軌道電路故障診斷[J]. 曹雲(yún)夢(mèng),邊冰,張?zhí)炱?  華北理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)

碩士論文
[1]基于改進(jìn)證據(jù)理論的25Hz軌道電路故障診斷方法研究[D]. 董煜.蘭州交通大學(xué) 2019
[2]基于SOM神經(jīng)網(wǎng)絡(luò)的無(wú)絕緣軌道電路調(diào)諧區(qū)故障診斷研究[D]. 張玉.蘭州交通大學(xué) 2018
[3]ZPW-2000A無(wú)絕緣軌道電路故障預(yù)測(cè)研究[D]. 王婷.西南交通大學(xué) 2015
[4]姜黃中姜黃素類抗癌活性成分識(shí)別與成分配伍研究[D]. 蘇鑫.天津大學(xué) 2013
[5]基于GA-BP神經(jīng)網(wǎng)絡(luò)的車內(nèi)聲品質(zhì)評(píng)價(jià)研究[D]. 孫慧慧.吉林大學(xué) 2012
[6]基于人工神經(jīng)網(wǎng)絡(luò)的企業(yè)財(cái)務(wù)危機(jī)預(yù)警實(shí)證研究[D]. 侯俊.電子科技大學(xué) 2011
[7]基于二分類SVM的多分類方法比較研究[D]. 焦春鵬.西安電子科技大學(xué) 2011
[8]ZPW-2000A無(wú)絕緣軌道電路技術(shù)應(yīng)用研究[D]. 劉正航.山東大學(xué) 2006



本文編號(hào)：3520185