基于主成分分析和深度森林算法的S700K转辙机故障诊断

摘要：

针对目前转辙机故障诊断准确性不高、效率低等问题,提出了一种基于主成分分析(PCA)和深度森林(gcForest)算法的故障诊断方法.对于S700K转辙机11种故障模式下的电流、功率曲线,采用主成分分析进行电流特征值特征简约,然后使用嵌入简约特征值的改进深度森林模型提高数据处理能力,增强模型内在特征代表性.结果表明,改进深度森林模型故障诊断准确率为97.62%,验证了该方法的有效性和优越性.

关键词：故障诊断、S700K转辙机、主成分分析(PCA)、深度森林(gcForest)算法

所属期刊栏目：52

分类号：U284.92(铁路通信、信号)

资助基金：国家重点研发计划2022YFB4300501

在线出版日期：2024-01-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：35-40