甘肃省自然科学基金(0803RJ2A021)
- 作品数：3 被引量：7H指数：1
- 相关作者：何忠韬李全林刘军军更多>>
- 相关机构：兰州交通大学更多>>
- 发文基金：甘肃省自然科学基金更多>>
- 相关领域：交通运输工程机械工程电气工程更多>>
- 核主成分分析和粒子群优化支持向量机在电力机车笼型异步牵引电机故障诊断中的应用研究被引量：1
- 2010年
- 提出了一种采用核主成分分析和粒子群优化支持向量机的电力机车笼型异步牵引电机故障诊断方法。先利用核主成分分析对故障数据进行特征提取,以获得的故障特征子集作为支持向量机故障分类器的训练样本,然后设计和构建了支持向量机多故障诊断系统。其中,支持向量机的参数通过粒子群优化算法进行了优化,最后实现对笼型异步牵引电机的故障诊断。实验结果分析表明,该方法能够有效地应用于电力机车笼型异步牵引电机的故障诊断。
- 李全林何忠韬刘军军
- 关键词：故障诊断核主成分分析粒子群优化支持向量机
- SOM神经网络在电力机车主变流器故障诊断中的应用被引量：5
- 2009年
- 提出了将自组织特征映射(SOM)神经网络应用于电力机车主变流器的故障诊断中。该网络模型结构简单,无需监督,能对输入模式进行聚类。从变流器输出波形中提取数据,利用MATLAB7.0神经网络工具箱,对其故障进行诊断。试验结果表明,自组织特征映射神经网络具有较好的聚类功能,用于电力机车主变流器故障诊断是准确、可靠和可行的。
- 李全林何忠韬
- 关键词：电力机车变流器故障诊断SOM神经网络
- 核主成分分析和粒子群优化算法在牵引电机故障诊断中的应用研究被引量：1
- 2010年
- 提出了一种采用核主成分分析和粒子群优化支持向量机的电力机车笼型异步牵引电机故障诊断方法。先利用核主成分分析对故障数据进行特征提取,以获得的故障特征子集作为支持向量机故障分类器的训练样本,然后设计和构建了支持向量机多故障诊断系统,其中,支持向量机的参数通过粒子群优化算法进行了优化,最后实现对笼型异步牵引电机的故障诊断。该方法既发挥了核主成分分析的特征提取能力,又充分利用了支持向量机良好的分类性能和泛化推广能力以及因其算法简单而满足的在线故障诊断的实时性要求。实验结果分析表明,该方法能够有效地应用于电力机车笼型异步牵引电机的故障诊断。
- 李全林何忠韬刘军军
- 关键词：故障诊断核主成分分析粒子群优化支持向量机
