文件名称：改进的HMM模型在列车选址单元中的应用
文件大小：174KB
文件格式：PDF
更新时间：2024-04-09 16:40:34
研究论文
列车定位单元在列车控制系统中起着至关重要的作用，其可靠性直接关系到列车的安全运行。公开的火车定位方法很多，主要涉及GPS /里程表（ODO），这是实际需求的方向。本文研究了一种基于改进HMM的隐马尔可夫模型（Hidden Markov Model）的故障诊断方法，该算法利用遗传算法获取HMM的参数，使训练速度快速达到稳态并获得更高的训练精度。 ，而不是BW算法。以ODO为例，验证了该方法的有效性。在列车运行过程中，车轮有三种状态。为了实现列车车轮故障状态的检测程序，首先在列车运行过程中从里程表数据中提取特征。该特征将使用幅度归一化和标量量化算法进行预处理，然后通过训练数据建立ODO模型的隐藏故障状态。最后，建立ODO故障条件分类器。通过输入与改进的HMM模型分类器匹配的观测序列，可以有效地获得ODO的状态。实验结果表明，所提出的方法建立的诊断模型可以对不同类型的故障提供较高的诊断性能。在正常和故障状况之间，诊断准确性最高可达100％，而总体诊断准确性最高可达96.67％。