基于Mallat小波分解与改进GWO-SVM的道岔故障诊断
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.19713/j.cnki.43-1423/u.T20190760

基于Mallat小波分解与改进GWO-SVM的道岔故障诊断

引用
为顺应道岔故障诊断向智能化和自动化的发展趋势,以S700K转辙机功率曲线为例,提出一种改进型灰狼优化算法(GWO)与支持向量机(SVM)相结合的故障诊断方法.在8种故障模式和正常模式所对应的功率曲线实施5层Mallat小波分解,得到各层近似系数和细节系数,并计算各层系数的平方和;利用主成分分析法对系数平方和组成的向量集进行降维,得到特征向量集;改进型灰狼优化算法优化支持向量机参数,并用优化好的支持向量机进行故障预测.研究结果表明:该方法能有效提高道岔故障诊断的准确率.

道岔故障诊断、支持向量机、S700K转辙机、灰狼优化算法、Mallat小波分解

17

U284.92(铁路通信、信号)

国家科技支撑计划资助项目;甘肃省科技计划资助项目;甘肃省高等学校科研资助项目;甘肃省自然科学基金资助项目

2020-06-15(万方平台首次上网日期,不代表论文的发表时间)

共10页

1070-1079

相关文献
评论
暂无封面信息
查看本期封面目录

铁道科学与工程学报

1672-7029

43-1423/U

17

2020,17(5)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn