10.3969/j.issn.1003-5168.2021.06.016
基于机器学习的铁路道岔故障识别
道岔的正常运转是保证列车正常运行的必备条件,传统的道岔故障检测方法主要来源于人的工作经验,根据电流的非正常变化来判别道岔是否发生故障,消耗较多的人力资源与物力资源.为了提升资源的有效利用率,本文运用概率主成分分析法提取数据的主要特征,分别采用支持向量机模型和k近邻模型作为道岔故障分类器,然后使用十折交叉验证法作为模型的评价标准,以达到智能识别铁路道岔故障的目的.
概率主成分分析、支持向量机、故障识别、k近邻法
40
U284.92(铁路通信、信号)
2021-06-23(万方平台首次上网日期,不代表论文的发表时间)
共3页
33-35