基于PSO-LSSVM的牵引供电系统故障诊断研究

摘要：

为了提高列车运行稳定性,针对牵引供电系统故障诊断进行研究.根据牵引供电系统工作原理和特性分析故障现象与发生原因,提取用于故障诊断的特征信号;建立基于粒子群优化算法(Particle Swarm Optimization,简称PSO)优化最小二乘支持向量机(Least Squares Support Vector Machine,简称LSSVM)的故障诊断模型,并使用主成分分析(Principal Component Analysis,简称PCA)算法提取数据特征作为故障诊断模型的输入来降低输入维数;使用多种故障诊断模型进行对比分析.研究结果表明:经过PCA算法提取特征的PSO-LSSVM故障诊断模型具有较高的识别效率和识别准确性.

关键词：列车供电、故障诊断、最小二乘支持向量机、粒子群优化、主成分分析、接触网

分类号：TP277(自动化技术及设备)

在线出版日期：2019-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：51-55,59