基于DBSCAN/PSO-SOM的道岔故障诊断

摘要

为诊断铁路道岔控制电路中的常见故障,提出了一种基于数据密度聚类算法(Density-based spatial clustering of applications with noise,DBSCAN)与自组织特征映射网络(Self-organizing feature map,SOM)结合的诊断方法。利用微机监测系统记录转辙机三相电流曲线,以转辙机动作原理为标准对曲线分段处理并计算三相电流特征参数。针对初始特征维数较高的问题,以DBSCAN算法筛选故障诊断敏感特征,构建诊断敏感特征集。以粒子群优化算法(Particle swarm optimization,PSO)调整SOM网络权值修改规则从而避免网络出现“死神经元”,设计PSO-SOM网络故障分类器并完成待测样本分类诊断。实验表明,该方法在训练样本较少的情况下,能判断道岔控制电路故障模式。与传统SOM网络相比,其故障诊断准确率更高。