基于主成分分析和深度森林算法的S700K转辙机故障诊断
作者:
作者单位:

1.同济大学 道路与交通工程教育部重点实验室,上海 201804;2.同济大学 上海市轨道交通结构耐久与系统安全重点实验室,上海 201804

作者简介:

胡小晨,博士生,主要研究方向为交通信息控制及系统安全。 E-mail:hxc20031514@163.com

通讯作者:

董德存,教授,博士生导师,主要研究方向为交通信息控制及系统安全。 E-mail:ddc@tongji.edu.cn

中图分类号:

U284.92

基金项目:

国家重点研发计划(2022YFB4300501)


PCA-gcForest-based Fault Diagnosis of S700K Switch Machine
Author:
Affiliation:

1.Key Laboratory of Road and Traffic Engineering of the Ministry of Education, Tongji University, Shanghai 201804, China;2.Shanghai Key Laboratory of Rail Infrastructure Durability and System Safety, Tongji University, Shanghai 201804, China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对目前转辙机故障诊断准确性不高、效率低等问题,提出了一种基于主成分分析(PCA)和深度森林(gcForest)算法的故障诊断方法。对于S700K转辙机11种故障模式下的电流、功率曲线,采用主成分分析进行电流特征值特征简约,然后使用嵌入简约特征值的改进深度森林模型提高数据处理能力,增强模型内在特征代表性。结果表明,改进深度森林模型故障诊断准确率为97.62%,验证了该方法的有效性和优越性。

    Abstract:

    To overcome the shortage of the existing fault diagnosis methods such as low accuracy and efficiency, a fault diagnosis method based on principal component analysis (PCA) and multi-grain cascade forest (gcForest) algorithm was proposed. PCA was used to simplify the current eigenvalue for 11 fault modes of S700K switch machine. And an improved gcForest model with the simpler eigenvalue embedded was used to improve the data processing capability and enhance the inherent feature representativeness of the model. The experimental results show that the fault diagnosis accuracy of the improved gcForest model is 97.62%, which verifies the effectiveness and superiority of the method.

    参考文献
    相似文献
    引证文献
引用本文

胡小晨,郭宁,沈拓,董德存.基于主成分分析和深度森林算法的S700K转辙机故障诊断[J].同济大学学报(自然科学版),2024,52(1):35~40

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2023-04-11
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2024-01-27
  • 出版日期: