期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于MDS和改进SSA-SVM的高速铁路道岔故障诊断方法研究
1
作者
王彦快
米根锁
+2 位作者
孔得盛
杨建刚
张玉
《铁道学报》
EI
CAS
CSCD
北大核心
2024年第1期81-90,共10页
针对高速铁路道岔设备故障频繁,现场维修工作量大等问题,提出基于多维尺度缩放法(MDS)和改进麻雀搜索算法(SSA)优化支持向量机(SVM)的高速铁路道岔故障诊断模型。首先以ZDJ9道岔转换功率曲线为研究对象,总结现场典型道岔故障类型及故障...
针对高速铁路道岔设备故障频繁,现场维修工作量大等问题,提出基于多维尺度缩放法(MDS)和改进麻雀搜索算法(SSA)优化支持向量机(SVM)的高速铁路道岔故障诊断模型。首先以ZDJ9道岔转换功率曲线为研究对象,总结现场典型道岔故障类型及故障原因,分别提取道岔功率曲线的时域、频域特征指标以及小波包能量熵,组成特征指标向量;其次采用MDS方法进行多维特征指标的降维优化,建立道岔故障特征指标样本数据库;最后利用改进Circle混沌映射初始化种群,并通过自适应t分布增强麻雀种群的多样性,再以改进SSA算法优化SVM模型中的惩罚因子和核函数方差2个关键参数,构建改进SSA-SVM的道岔故障诊断模型。故障诊断结果表明,本模型的故障诊断正确率高达96.25%,诊断效果优于其他方法,可以为道岔设备的故障维修提供理论依据。
展开更多
关键词
高速铁路道岔
故障诊断
改进麻雀搜索算
法
-支持向量机
Circle混沌映射
自适应t分布
小波包能量熵
多维尺度缩放法
下载PDF
职称材料
基于改进SSA优化MDS-SVM的变压器故障诊断方法
被引量:
11
2
作者
谢国民
蔺晓雨
《控制与决策》
EI
CSCD
北大核心
2023年第2期459-467,共9页
为了提高变压器故障诊断精度,提出一种基于改进SSA优化MDS-SVM的变压器故障诊断方法.首先,利用多维尺度缩放法(multiple dimensional scaling,MDS)对20维变压器故障特征数据进行特征提取,降低高维数据存在的稀疏性和多重共线性;其次,引...
为了提高变压器故障诊断精度,提出一种基于改进SSA优化MDS-SVM的变压器故障诊断方法.首先,利用多维尺度缩放法(multiple dimensional scaling,MDS)对20维变压器故障特征数据进行特征提取,降低高维数据存在的稀疏性和多重共线性;其次,引入樽海鞘群算法(salp swarm algorithm,SSA),并对该算法进行改进,增置信赖机制和突变,以提高算法的收敛速度和收敛能力;然后,通过与原始SSA、PSO、GWO和β-GWO算法进行寻优测试对比来验证改进SSA算法的优越性;最后,使用改进SSA算法对MDS降低维数和支持向量机(support vector machine,SVM)的参数联合寻优,构建新的故障诊断模型.分析并比较其与常用算法优化的SVM故障诊断模型、BP神经网络(back propagation neural network,BPNN)、K最近邻(K-nearest neighbor,KNN)以及随机森林(random forest,RF)故障诊断模型的故障诊断精确度,结果表明,基于改进SSA的MDS-SVM变压器故障诊断模型的精确度高于其他算法模型,且泛化能力较强.
展开更多
关键词
变压器
故障诊断
多维尺度缩放法
樽海鞘算
法
支持向量机
算
法
改进
原文传递
题名
基于MDS和改进SSA-SVM的高速铁路道岔故障诊断方法研究
1
作者
王彦快
米根锁
孔得盛
杨建刚
张玉
机构
兰州交通大学铁道技术学院
兰州交通大学自动化与电气工程学院
中国铁路兰州局集团有限公司兰州电务部
北京全路通信信号研究设计院集团有限公司
国网甘肃省电力公司电力科学研究院
出处
《铁道学报》
EI
CAS
CSCD
北大核心
2024年第1期81-90,共10页
基金
甘肃省科技计划(21JR7RA305)
兰州交通大学青年科学基金(2021027)。
文摘
针对高速铁路道岔设备故障频繁,现场维修工作量大等问题,提出基于多维尺度缩放法(MDS)和改进麻雀搜索算法(SSA)优化支持向量机(SVM)的高速铁路道岔故障诊断模型。首先以ZDJ9道岔转换功率曲线为研究对象,总结现场典型道岔故障类型及故障原因,分别提取道岔功率曲线的时域、频域特征指标以及小波包能量熵,组成特征指标向量;其次采用MDS方法进行多维特征指标的降维优化,建立道岔故障特征指标样本数据库;最后利用改进Circle混沌映射初始化种群,并通过自适应t分布增强麻雀种群的多样性,再以改进SSA算法优化SVM模型中的惩罚因子和核函数方差2个关键参数,构建改进SSA-SVM的道岔故障诊断模型。故障诊断结果表明,本模型的故障诊断正确率高达96.25%,诊断效果优于其他方法,可以为道岔设备的故障维修提供理论依据。
关键词
高速铁路道岔
故障诊断
改进麻雀搜索算
法
-支持向量机
Circle混沌映射
自适应t分布
小波包能量熵
多维尺度缩放法
Keywords
high-speed railway turnout
fault diagnosis
improved SSA-SVM
Circle chaos mapping
self-adaptive t-distribution
wavelet energy entropy
multiple dimensional scaling
分类号
U284.92 [交通运输工程—交通信息工程及控制]
下载PDF
职称材料
题名
基于改进SSA优化MDS-SVM的变压器故障诊断方法
被引量:
11
2
作者
谢国民
蔺晓雨
机构
辽宁工程技术大学电气与控制工程学院
出处
《控制与决策》
EI
CSCD
北大核心
2023年第2期459-467,共9页
基金
国家自然科学基金项目(51974151)
辽宁省教育厅重点实验室基金项目(LJZS003)。
文摘
为了提高变压器故障诊断精度,提出一种基于改进SSA优化MDS-SVM的变压器故障诊断方法.首先,利用多维尺度缩放法(multiple dimensional scaling,MDS)对20维变压器故障特征数据进行特征提取,降低高维数据存在的稀疏性和多重共线性;其次,引入樽海鞘群算法(salp swarm algorithm,SSA),并对该算法进行改进,增置信赖机制和突变,以提高算法的收敛速度和收敛能力;然后,通过与原始SSA、PSO、GWO和β-GWO算法进行寻优测试对比来验证改进SSA算法的优越性;最后,使用改进SSA算法对MDS降低维数和支持向量机(support vector machine,SVM)的参数联合寻优,构建新的故障诊断模型.分析并比较其与常用算法优化的SVM故障诊断模型、BP神经网络(back propagation neural network,BPNN)、K最近邻(K-nearest neighbor,KNN)以及随机森林(random forest,RF)故障诊断模型的故障诊断精确度,结果表明,基于改进SSA的MDS-SVM变压器故障诊断模型的精确度高于其他算法模型,且泛化能力较强.
关键词
变压器
故障诊断
多维尺度缩放法
樽海鞘算
法
支持向量机
算
法
改进
Keywords
transformer
fault diagnosis
multiple dimensional scaling
salp swarm algorithm
support vector machine
algorithm improvement
分类号
TM407 [电气工程—电器]
TP18 [自动化与计算机技术—控制理论与控制工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于MDS和改进SSA-SVM的高速铁路道岔故障诊断方法研究
王彦快
米根锁
孔得盛
杨建刚
张玉
《铁道学报》
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于改进SSA优化MDS-SVM的变压器故障诊断方法
谢国民
蔺晓雨
《控制与决策》
EI
CSCD
北大核心
2023
11
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部