文献类型：期刊文章

作　　者：董炜[1,2] 刘明明[1,2,3] 王良顺[1,4] 赵辉[1,2] 辜勋[3]

DONG Wei;LIU Ming-Ming;WANG Liang-Shun;ZHAO Hui;GU Xun(Beijing National Research Center for Information Science and Technology, Beijing 100084;Department of Automation, Tsinghua University, Beijing 100084;PLA 63956 Troops, Beijing 100070;College of Mechanical and Electrical Engineering, Hainan University, Haikou 570228)

机构地区：[1]北京信息科学与技术国家研究中心,北京100084 [2]清华大学自动化系,北京100084 [3]中国人民解放军63956部队,北京100070 [4]海南大学机电工程学院,海口570228

出　　处：《自动化学报》

基　　金：国家重点研发计划(2017YFB1200700); 国家自然科学基金(61490701); 苏州–清华创新引领行动专项(2016SZ0202)资助

年　　份：2018

卷　　号：44

期　　号：6

起止页码：1005-1014

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2017_2018、EI、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：高速铁路道岔是与高速列车直接接触的重要信号设备,其控制电路的故障检测手段目前仍停留在简单仪器与人的经验相结合的方式.为了实现道岔控制电路故障的智能诊断,提高故障诊断的准确率并降低单一诊断方法带来的不确定性,本文提出一种基于群决策的诊断方法:首先根据道岔控制电路的特点,总结了典型的11个故障模式和对应的8个故障特征;其次,分别采用模糊理论、神经网络和支持向量机(Support vector machine,SVM)对道岔控制电路进行故障诊断;然后引入群决策理论将三种方法视为决策专家,通过群基数效应集结方式实现决策级上的信息融合从而得到群专家综合评判的诊断结果.从仿真数据的验证来看,该方法比单一方法的故障诊断的准确率要高,表明了本文所提方法能够实现三种方法的互补融合,也提高了故障诊断的准确率,在该领域有着良好的应用前景.

关 键 词：道岔控制电路 神经网络 模糊理论  支持向量机 群决策

分 类 号：U216.425]