基于改進的SVM和T-SNE高速列車走行部故障診斷.pdf

1、近年來，隨著高速列車的快速發(fā)展，高鐵在給人們帶來便利的同時，也推進著沿線經(jīng)濟的發(fā)展。列車走行部是車體的重要部分，其機械性能直接影響著行車安全。當走行部出現(xiàn)故障時，如不能及時排查，造成巨大的安全隱患。因此高速鐵路走行部故障診斷在要求高精度診斷的同時，也要保證診斷的高效率與良好實時性。
　　本文首先分析了高速列車走行部以及其四種工況。針對多種工況的模式識別引入了高速列車走行部故障分類診斷，并給出其流程。然后介紹了高速列車走行部實驗數(shù)據(jù)

2、的來源以及特征提取部分。
　　其次，基于SVM構(gòu)建分類器實現(xiàn)高速列車走行部單通道故障診斷模型。針對SVM參數(shù)優(yōu)化的問題引入網(wǎng)格搜索、遺傳算法和粒子群算法對其進行優(yōu)化，并將優(yōu)化后的SVM用于構(gòu)建列車走行部單通道故障診斷模型。
　　隨后，本文引入FOA(fruit fly optimization algorithm)。針對FOA易陷入局部最優(yōu)解的特點，引入遺傳算法對其改進，提出了GA-FOA。通過6個常用測試函數(shù)驗證改進后算法

3、的性能，實驗結(jié)果表明改進后的算法較原算法在保證尋優(yōu)效率較高的同時提升了尋優(yōu)精度。鑒于GA-FOA算法結(jié)構(gòu)簡單，收斂精度高，泛化能力強等優(yōu)點，本文提出基于GA-FOA-SVM高速列車走行部單通道故障診斷模型。
　　最后，針對高速列車走行部數(shù)據(jù)龐大，單通道故障診斷不具備全面性的問題，本文引入了t-SEN降維算法與相關(guān)維本征維數(shù)估計的方法結(jié)合GA-FOA-SVM構(gòu)建了多傳感器的高速列車走行部故障診斷模型。實驗結(jié)果表明，該模型在診斷精度均