基于MLCCA的高速列车牵引系统故障诊断

随着高速列车牵引系统的复杂性和智能性的提高,牵引系统的故障诊断越来越重要,故提出了一种基于多层典型相关分析(multi-layer canonical correlation analysis,MLCCA)的故障诊断方法。该方法对数据进行非线性预测,达到提高牵引系统的故障检测性能的目的,并引入最小绝对值收缩和选择算子(least absolute shrinkage and selection operator,LASSO)中的惩罚项来提高预测精度。根据高速列车传感器数据的性质,对数据进行分组分析,设置2组不同的统计量比较算法的检测效果。采集牵引系统传感器故障时的数据进行仿真实验,并将所提方法与常用方法进行对比,实验结果验证了所提方法的优越性。