造價通
更新時間:2025.01.04
基于粒子群支持向量機的軌道電路故障診斷??

格式:pdf

大?。?span class="single-tag-height">2.9MB

頁數(shù): 4頁

支持向量機(SVM)是-種解決小樣本分類問題的最佳理論算法,它的核函數(shù)的參數(shù)選擇非常重要,直接影響著故障診斷的準確率.本文將粒子群算法(PSO)用于支持向量機的參數(shù)優(yōu)化,提出基于粒子群支持向量機的故障診斷模型,并將其運用于軌道電路中.通過對比MATLAB仿真結(jié)果得出:經(jīng)過粒子群尋優(yōu)得到的參數(shù)比隨機選取的參數(shù)更優(yōu),所建立的PSO-SVM模型的故障診斷準確率高于普通的SVM模型.

基于支持向量機的區(qū)間軌道電路故障診斷研究

格式:pdf

大?。?span class="single-tag-height">2.2MB

頁數(shù): 9頁

支持向量機(SVM)算法以統(tǒng)計學(xué)習(xí)理論為基礎(chǔ),依據(jù)結(jié)構(gòu)風(fēng)險最小化的原則,且在有效的特征信息有效的情況下,能夠?qū)?shù)據(jù)中隱藏的有效信息進行挖掘。故本文用支持向量機對ZPW-2000軌道電路進行故障診斷研究,且用遺傳算法和粒子群算法對其中的參數(shù)進行優(yōu)化,進而實現(xiàn)故障類別的判斷。對提高鐵路信號維護的智能化水平有重大意義。

熱門知識

軌道電路故障診斷儀

精華知識

軌道電路故障診斷儀

最新知識

軌道電路故障診斷儀
點擊加載更多>>

相關(guān)問答

軌道電路故障診斷儀
點擊加載更多>>
專題概述
軌道電路故障診斷儀相關(guān)專題

分類檢索: