关键词:
刚性接触网
故障诊断
隐半马尔可夫模型
支持向量机
摘要:
针对现有城轨接触网故障诊断方法分类诊断精度较低的问题,提出了以隐半马尔科夫模型(hidden semiMarkov model,HSMM)为基础叠加支持向量机(support vector machine,SVM)模型的新方法,并在某地铁刚性接触网系统中进行了应用研究。首先,通过故障树对接触网检测参数进行收集分类,提取可以表征接触网故障状态的特征信息,并进行状态划分;建立基于HSMM的故障诊断系统,该系统的故障诊断准确率为88.3%,而后将HSMM和SVM模型进行串联,建立了基于HSMM-SVM的故障诊断模型,故障诊断的准确率提升至98.7%。研究结果显示:所提出的基于HSMM-SVM模型的故障诊断方法,利用SVM模型的强分类性能有效弥补了HSMM对复杂问题分类能力不足的缺陷,该方法对城轨接触网的故障诊断具有较高准确率。