基于PSO-SVM的车载ATC设备故障诊断

地铁列车车载自动控制系统(Automatic Train Control,ATC)设备的故障排查诊断大多依赖人工经验,存在效率低下问题.针对车载ATC设备的故障诊断问题,采用一种基于粒子群算法优化支持向量机(Particle Swarm Optimization-Support Vector Machine,PSO-SVM)的地铁列车车载ATC设备故障诊断方法.根据历史故障数据记录表得到故障特征词汇集,引入粗糙集理论的知识对故障特征词汇集进行属性约简.利用PSO-SVM算法对约减后的故障特征词汇集进行分类对比,实验结果表明:在相同训练测试集下,PSO-SVM算法相对于SVM、神经网络算法具有更高的故障诊断准确率,并且更具稳定性.