基于GNG聚类与LS-SVM的接触网故障预警方法研究

受电弓-接触网系统作为电气化铁路的重要组成部分,一旦发生故障将严重影响弓网正常受流及行车安全,因此对接触网故障的预警就尤为重要。本文基于接触网结构模型及动力学特性,建立了垂向弓网耦合模型,在不同弓网动力参数下,对受电弓振动响应进行了仿真与分析。为了在接触网可能发生故障时提出预警,提出了一种基于GNG聚类与LS-SVM的接触网故障预警方法。首先运用GNG聚类算法对正常状态数据分类,得到若干聚类点,并计算当前状态与聚类中心的距离得出相似度趋势;同时构建历史矩阵,根据LS-SVM回归模型的回归结果得出预测差值,将相似度趋势和预测差值结合得到故障预警风险系数,对弓网故障状态提出预警。针对接触网正常状态和故障状态,做出了有效预警,表明了该方法的实用性。