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
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。
轨道电路故障诊断仪知识来自于造价通云知平台上百万用户的经验与心得交流。 注册登录 造价通即可以了解到相关轨道电路故障诊断仪最新的精华知识、热门知识、相关问答、行业资讯及精品资料下载。同时,造价通还为您提供材价查询、测算、询价、云造价等建设行业领域优质服务。手机版访问:轨道电路故障诊断仪