基于SVM-AdaBoost的道岔控制電路故障診斷方法研究(英文)
發(fā)布時(shí)間:2024-05-20 21:45
為實(shí)現(xiàn)鐵路信號(hào)全電子計(jì)算機(jī)聯(lián)鎖系統(tǒng)控制電路的故障診斷,以五線制道岔全電子控制模塊為例,提出了采用輪盤賭轉(zhuǎn)法選擇基本分類器的樣本集,采用SVM-AdaBoost算法實(shí)現(xiàn)故障診斷的方法。實(shí)驗(yàn)結(jié)果表明,基本分類器樣本占比影響分類準(zhǔn)確率,樣本占比為85%時(shí)準(zhǔn)確率最高;輪盤賭轉(zhuǎn)法選擇基本分類器的樣本集后故障診斷準(zhǔn)確率普遍高于最大權(quán)重優(yōu)先的方式,準(zhǔn)確率達(dá)96.3%;同時(shí)該方法能更好地適應(yīng)臨界數(shù)據(jù),提高算法抗干擾能力。因此本論文的研究?jī)?nèi)容可為全電子計(jì)算機(jī)聯(lián)鎖系統(tǒng)的故障診斷提供依據(jù)。
【文章頁(yè)數(shù)】:7 頁(yè)
【文章目錄】:
0 Introduction
1 Analysis of switch module control circuit
2 SVM-AdaBoost fault diagnosis method
2.1 SVM
2.2 SVM-AdaBoost method
3 Simulation and analysis
3.1 Samples acquisition of basic classifier
3.2 Analysis of fault diagnosis accuracy
3.3 Analysis of anti-interference capability
4 Conclusion
本文編號(hào):3979161
【文章頁(yè)數(shù)】:7 頁(yè)
【文章目錄】:
0 Introduction
1 Analysis of switch module control circuit
2 SVM-AdaBoost fault diagnosis method
2.1 SVM
2.2 SVM-AdaBoost method
3 Simulation and analysis
3.1 Samples acquisition of basic classifier
3.2 Analysis of fault diagnosis accuracy
3.3 Analysis of anti-interference capability
4 Conclusion
本文編號(hào):3979161
本文鏈接:http://sikaile.net/kejilunwen/jiaotonggongchenglunwen/3979161.html
最近更新
教材專著