造价通
更新时间:2025.02.15
基于粒子群支持向量机的轨道电路故障诊断  

格式:pdf

大小:2.9MB

页数: 4页

支持向量机(SVM)是-种解决小样本分类问题的最佳理论算法,它的核函数的参数选择非常重要,直接影响着故障诊断的准确率.本文将粒子群算法(PSO)用于支持向量机的参数优化,提出基于粒子群支持向量机的故障诊断模型,并将其运用于轨道电路中.通过对比MATLAB仿真结果得出:经过粒子群寻优得到的参数比随机选取的参数更优,所建立的PSO-SVM模型的故障诊断准确率高于普通的SVM模型.

基于支持向量机的区间轨道电路故障诊断研究

格式:pdf

大小:2.2MB

页数: 9页

支持向量机(SVM)算法以统计学习理论为基础,依据结构风险最小化的原则,且在有效的特征信息有效的情况下,能够对数据中隐藏的有效信息进行挖掘。故本文用支持向量机对ZPW-2000轨道电路进行故障诊断研究,且用遗传算法和粒子群算法对其中的参数进行优化,进而实现故障类别的判断。对提高铁路信号维护的智能化水平有重大意义。

热门知识

轨道电路故障诊断仪

最新知识

轨道电路故障诊断仪
点击加载更多>>
专题概述
轨道电路故障诊断仪相关专题

分类检索: