铁路信号电源故障信息识别新方法

摘要

铁路交通运输安全的重要保障没施之一是信号灯,一旦信号灯电源中断供电,将导致信号指挥系统混乱、失灵,引起机车停滞、阻塞,甚至撞车等重大事故。铁路信号供电线路中单相接地是常见的故障,准确诊断故障对保证铁路运输安全尤为重要。本文提出将单相接地故障信息看作一个多维随机变量,对这类信息处理可转化为一个模式识别问题。铁路信号电源的一次故障信息是小样本数据,为了快速、准确识别故障,本文应用一种新理论——支持向量机(SVM),来进行故障诊断和识别。与传统统计学相比,基于统计学习理论的支持向量机是在结构风险最小化原则基础上,发展起来的专门研究小样本情况下机器学习规律的一种新理论。在故障状态下对故障线路和非故障线路特征参量构造样本序列,使用SVM分类器进行训练,仿真分析的结果表明该方法对单相接地故障信息的识别分类可靠,其具有较好的分类推广性,方法简单、直观。