基于互信息和RBFNN高速列車走行部故障診斷.pdf

1、高速列車是復(fù)雜的非線性系統(tǒng)，隨著高速列車的發(fā)展，對(duì)高速列車的故障診斷系統(tǒng)要求也越來也高。高速列車的故障診斷不僅要求準(zhǔn)確率高，還要實(shí)時(shí)性好，而且高速列車所擁有的海量特征數(shù)據(jù)也對(duì)分類器設(shè)計(jì)提出了更高的要求。本文從分類器設(shè)計(jì)和特征維數(shù)約簡(jiǎn)兩個(gè)方面對(duì)高速列車走行部故障診斷方法進(jìn)行研究，并利用實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了仿真驗(yàn)證。
　　首先詳細(xì)給出了高速列車走行部的四種工況、實(shí)驗(yàn)數(shù)據(jù)來源以及本文采用的特征提取方法。然后，采用基于梯度下降的RBF網(wǎng)絡(luò)構(gòu)建高

2、速列車走行部故障診斷模型。在此基礎(chǔ)上，采用PSO算法對(duì)RBF網(wǎng)絡(luò)參數(shù)進(jìn)行調(diào)整和優(yōu)化，在一定程度上避免了RBF網(wǎng)絡(luò)參數(shù)訓(xùn)練陷入局部最優(yōu)，提高了神經(jīng)網(wǎng)絡(luò)分類精度。將PSO算法和局部混沌搜索(Choas Local Search，CLS)相結(jié)合，增強(qiáng)了PSO算法的局部搜索能力。接著，引入一種新興的元啟發(fā)式智能算法——蝙蝠算法(BatAlgorithm，BA)對(duì)RBF網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化，進(jìn)一步提高網(wǎng)絡(luò)的分類正確率。結(jié)合高速列車走行部實(shí)驗(yàn)數(shù)據(jù)進(jìn)行仿

3、真，證實(shí)了將BA-RBF網(wǎng)絡(luò)應(yīng)用于高速列車走行部故障診斷，能夠加快故障的識(shí)別速度和提高識(shí)別準(zhǔn)確率。
　　針對(duì)單一傳感器對(duì)高速列車走行部故障診斷精度不高，容易對(duì)相似故障造成誤判。本文采用多傳感器融合的故障診斷方法，將多個(gè)傳感器采集的故障特征進(jìn)行無監(jiān)督的UFS-MI(Unsupervised feature selection method based on mutualinformation)特征選擇，消除故障特征之間的冗余和干擾，