文献类型：期刊文章

作　　者：孔令刚[3] 焦相萌[1,2] 陈光武[1,2] 范多旺[1,2]

KONG Linggang;JIAO Xiangmeng;CHEN Guangwu;FAN Duowang(Automatic Control Institute,Lanzhou Jiaotong University,Lanzhou 730070,China;Gansu Provincial Key Laboratory of Traffic Information Engineering and Control,Lanzhou 730070,China;National Engineering Research Center for Technology and Equipment of Environmental Deposition,Lanzhou Jiaotong University,Lanzhou 730070,China)

机构地区：[1]兰州交通大学自动控制研究所,甘肃兰州730070 [2]甘肃省高原交通信息工程及控制重点实验室,甘肃兰州7300703 [3]兰州交通大学国家绿色镀膜技术与装备工程技术研究中心,甘肃兰州730070

出　　处：《铁道科学与工程学报》

基　　金：国家自然科学基金资助项目(61863024);国家科技支撑计划资助项目(2014BAF01B00);甘肃省科技计划资助项目(18JR3RA116);甘肃省高等学校科研资助项目(2018C-11).

年　　份：2020

卷　　号：17

期　　号：6

起止页码：1327-1336

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对S700K常见的8种故障模式和正常模式所对应功率曲线,提出一种基于概率神经网络(PNN)与改进的粒子群算法(PSO)相结合的道岔故障诊断方法。首先,在9种功率曲线上分别提取时域、频域特征统计量和时频域小波系数,并用主成分分析法降维每个域的特征量,得到特征向量;其次,以3个改进的PSO-PNN做分类器,并对分类器进行训练和预测;最后,3个分类器的预测结果做三取二表决。仿真结果表明:该方法能有效提高道岔故障诊断的准确率,具有良好的容错性。

关 键 词：道岔故障诊断  S700K转辙机  概率神经网络 粒子群算法  三取二表决  

分 类 号：U284.92]