基于MKLSVM的MVB端接故障诊断

论文摘要

列车通信网络的故障诊断一直是列车健康管理中的难点,复杂的工作环境、分布式的系统结构也使得故障难以被发现和定位.在分析多功能车辆总线(Multifunction Vehicle Bus,MVB)网络端接故障和反射形成机理的基础上,提出了一种以MVB网络物理波形参数为样本特征,结合多核学习支持向量机(Multiple Kernel Learning Support Vector Machine,MKLSVM)的网络故障诊断方法,以完成由端接电阻造成的网络故障诊断.搭建平台,进行了数据采集、模型训练、结果测试.分别利用普通支持向量机及MKLSVM对样本集进行了测试,并从不同性能度量角度评估了分类器性能.结果显示:以物理波形参数为样本特征能够表征端接网络故障的故障模式,结合支持向量机(Support Vector Machine,SVM)的模式识别方法能够有效对端接网络故障进行诊断.在查准率、查全率、分类精度、代价函数方面,MKLSVM均优于普通SVM分类器.

论文目录

• 1 MVB端接故障诊断原理
•   1.1 MVB端接故障的形成机理
•   1.2 特征提取
•   1.3 故障诊断算法
• 2 分类器评价度量指标
• 3 实验结果与分析
•   3.1 实验平台
•   3.2 样本特征提取及分析
•   3.3 分类器训练与测试
•   3.4 软件实现
• 4 结论

文章来源

类型: 期刊论文

作者: 李召召,王立德,岳川,申萍

关键词: 网络故障诊断,端接故障,支持向量机,多核学习

来源: 北京交通大学学报 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 铁路运输

单位: 北京交通大学电气工程学院

基金: 北京市自然科学基金(L171009),中央高校基本科研业务费专项资金(E17JB00140)~~

分类号: U284.93

页码: 100-106

总页数: 7

文件大小: 3004K

下载量: 59