一种基于LS-SVM的道岔控制电路故障诊断.pdfVIP

第29卷 第 4期 兰 州 交 通 大 学 学 报 VoI．29No．4 2010年 8月 JournalofLanzhoujiaotongUniversity Aug．2010 文章编号：1001—4373(2010)04-0001—05 一 种基于LS—SVM 的道岔控制电路故障诊断 王思明， 雷 烨 (兰州交通大学 自动化与电气工程学院，甘肃 兰州 730070) 摘 要：针对最小二乘支持向量机最优参数难以寻找的问题，提出了用ARPSO算法优化最小二乘支持向量机可调 参数的方法，并将该方法应用于道岔控制电路的故障诊断中．ARPSO算法在保证种群多样性的同时，避免了基本 PSO算法过早收敛的问题，能更高的提高算法效率．仿真证明ARPSO算法比基本PSO算法具有更高的收敛速度 和效率，基于ARPSO最小二乘支持向量机的分类方法比最小二乘支持向量机分类方法具有更高的分类准确度． 关键词：最小二乘支持向量机；ARPSO；故障诊断；道岔控制电路 中图分类号：TP206+．3 文献标志码：A 支持向量机 (SupportVectorMachine，SVM) 算法的原始形式可归结为下列二次规划问题： 是由V．N．Vapnik于9O年代为解决模式识别问题 minJ(w， 一 百1 T 十 1c∑毫 提出的一种机器学习方法[1]，着重研究小样本情况 下的统计学习规律．最小二乘支持向量机 (Least S．t． Y[ (z)+ 一1+毫≥O，i一 1，2，…，z SquaresSupportVectorMachine，L SⅥⅥ)是在支 (1) 持向量机基础上针对两分类问题提出的分类方 其中： w为两向量之间的内积 ；毒为误差；C为可调 法[2]，被广泛应用于模式识别[引、函数拟合[]等领 参数，它控制对超出误差样本的惩罚程度；．，，b为 H决 域．随着优化算法的研究，大量学者将优化算法应用 函数 )一 (z)+6中的权向量和阈值． 到I SVI参数的优化中，包括遗传算法[5]、蚁群 与标准SVM相比，LS—SVM 用等式约束代替 算法L6]、粒子群算法[7-8]等． 不等式约束，且将误差的二范数作为优化 目标的损 文献E9-]对京广线株洲至衡阳段间 ZYJ7型钩 失函数，把标准SVM中解二次规划问题转化为求解 式外锁型提速道岔在 2002年至2004年出现的故障 线性方程组问题[n-lz]． 情况进行了统计分析，可见，道岔故障及提速道岔故 min ， 一 1 T 障在铁路设备正常运行中起着决定性的作用．因此， w+丢c耋g； 快速准确的故障诊断成为亟待解决的问题[1。。． s．t． 弘[wT (五)+ 一1+￡一0，i一1，2，…，z．J 本文提出了基于 ARPSO(AttractiveandRe— (2) pulsiveParticleSwarm Optimizer，ARPSO)最小二 为求解这个问题优化问题，引人拉格朗日函数： 乘支持向量机的道岔控制电路的故障诊断方法，并 将该方法应用于道岔控制电路的故障诊断中． L(w，6，e，口)一J(w，0一∑ (EwT~o(=)+ 1 最小二乘支持向量机故障分类器 一 1+￡)：1T，．，+告c∑g一∑ (