基于粒子群支持向量機的軌道電路故障診斷??
格式:pdf
大小:2.9MB
頁數: 4頁
支持向量機(SVM)是-種解決小樣本分類問題的最佳理論算法,它的核函數的參數選擇非常重要,直接影響著故障診斷的準確率.本文將粒子群算法(PSO)用于支持向量機的參數優(yōu)化,提出基于粒子群支持向量機的故障診斷模型,并將其運用于軌道電路中.通過對比MATLAB仿真結果得出:經過粒子群尋優(yōu)得到的參數比隨機選取的參數更優(yōu),所建立的PSO-SVM模型的故障診斷準確率高于普通的SVM模型.
基于支持向量機的區(qū)間軌道電路故障診斷研究
大?。?span class="single-tag-height">2.2MB
頁數: 9頁
支持向量機(SVM)算法以統(tǒng)計學習理論為基礎,依據結構風險最小化的原則,且在有效的特征信息有效的情況下,能夠對數據中隱藏的有效信息進行挖掘。故本文用支持向量機對ZPW-2000軌道電路進行故障診斷研究,且用遺傳算法和粒子群算法對其中的參數進行優(yōu)化,進而實現(xiàn)故障類別的判斷。對提高鐵路信號維護的智能化水平有重大意義。
軌道電路故障診斷儀知識來自于造價通云知平臺上百萬用戶的經驗與心得交流。 注冊登錄 造價通即可以了解到相關軌道電路故障診斷儀最新的精華知識、熱門知識、相關問答、行業(yè)資訊及精品資料下載。同時,造價通還為您提供材價查詢、測算、詢價、云造價等建設行業(yè)領域優(yōu)質服務。手機版訪問:軌道電路故障診斷儀
? 2006- aflg.cn 粵ICP備08028283號 增值電信業(yè)務經營許可證:粵B2-20090350