【技术实现步骤摘要】
基于GG聚类与改进SVDD的接触网健康状态识别方法
[0001]本专利技术涉及到铁路接触网的在线检测和故障诊断
,具体涉及到一种基于GG聚类与改进SVDD的接触网健康状态识别方法。
技术介绍
[0002]随着我国电气化铁路建设的飞速发展,全国架设电气化铁路的里程迅速增加,而电气化铁路的正常运行,离不开牵引供电系统,其中最为关键的设备便是接触网。接触网是电气化铁路所特有的一种供电线路,接触网结构组成、工作方式都非常复杂,通常沿铁轨上空架设,露天布置,且容易受到机车受电弓的高速冲击,因此也是电气化铁路牵引供电系统中的薄弱环节,接触网一旦发生故障,将直接导致弓网之间电流电压传输中断,导致列车晚点或者停运,对社会经济发展和人民的生命安全都会造成很大的威胁和损失。
[0003]大部分情况下,接触网的健康状态检测数据会在一定的范围内产生波动,这种波动恰恰反映了接触网状态的一种变化规律,接触网状态的任何异常都将导致检测到的参数数据无法反映这种规律。通过对接触网关键特征数据的分析与评估,可以了解接触网的运行是否处于良好状态。面对中国电力机车的日益提速,对接触网要求也越来越严格和苛刻。然而,接触网的健康状态识别并不是一项简单的工作,这需要通过一系列检测参数来反映。因此,对电气化铁路接触网进行在线检测和健康状态识别研究,确保铁路运输正常高效进行,具有十分重要的社会意义。
技术实现思路
[0004]本专利技术的目的就是为了解决传统接触网检测方式由于接触网大部分数据为无监督学习数据,导致接触网检测数据利用率低,
【技术保护点】
【技术特征摘要】
1.本发明公开了一种基于GG聚类与改进SVDD的接触网健康状态识别方法,主要针对由于接触网大部分数据为无监督学习数据,导致接触网检测数据利用率低,导致无法快速地对接触网的整个健康状态做出客观的识别的问题,本发明采用TSNE数据降维方法将高维数据降至低维空间中进行分析,剔除原始数据中的冗余信息,减少分析难度和干扰,提高识别准确性,并采用适合不规则数据分布类型的GG聚类算法,解决不同参数在类别划分中的影响程度不同导致聚类数据的分布改变的问题,最后将检测到的满足条件的异常数据输入GWO
‑
SVDD识别模型对数据进行分析,准确地识别出接触网的健康状态,具体步骤如下:步骤1:建立接触网变压器健康状态评估指标体系。具体包括:接触网安全指标、接触线平顺指标、弓网受流性能指标与接触网历史运行情况等定量型指标;天气状况等定性型指标。步骤2:根据接触网所处位置及环境,对接触网进行数据采集。采用激光采集传感器等传感器采集静态监测参数的相关数据,主要包括:拉出值、接触线高度、侧面限界、线索张力、接触压力等数据,并采集历史运行记录和天气数据。步骤3:为了确定各类指标对接触网健康状态的影响程度,需要计算指标权重,权重系数越大说明其对接触网健康状态影响程度越高。本发明采用博弈论组合赋权确定权重分配。步骤4:对接触网的检测数据进行预处理,根据接触网运行规程,将各指标的检测数据做归一化处理,消除不同参数不同量纲带来的不利影响。步骤5:数据降维。采用TSNE对接触网检测数据进行降维,剔除源数据中的冗余信息,减小分析难度,并使数据可视化,从而直观发现数据的变化情况。步骤6:GG聚类。将降维后的数据采用GG聚类方法聚类,利用PC指标与CE指标确定最佳聚类数目。步骤7:建立GWO
‑
SVDD识别模型。利用有标签样本数据建立GWO算法优化的SVDD健康状态识别模型,使得正常数据尽可能多包含于超球体模型内,异常数据尽可能多位于超球体模型外。步骤8:待测样本分析。将待测样本输入到步骤7中建立的GWO
‑
SVDD识别模型中,计算各类样本数据到球心的距离,并与超球体的半径作比较。步骤9:接触网健康状态识别。对接触网待测样本数据进行分析,按照设置的健康指标范围,完成接触网健康状态识别。2.基于权利要求1中所述的采用TSNE数据降维方法将高维数据降至低维空间中进行分析,剔除原始数据中的冗余信息,减少分析难度和干扰,其特征在于:由于接触网各参数之间的线性相关程度均较低,因此,基于线性的降维方法无法很好地适用于接触网健康状态识别。本发明采用TSNE对接触网检测数据进行降维,剔除源数据中的冗余信息,减小分析难度,并使数据可视化,从而直观发现数据的变化情况。假设高维数据集为X={x1,x2,
…
,x
n
},对应低维空间中的映射集为Y={y1,y2,
…
,y
n
},则高维空间中的条件概率与低维空间中的条件概率分别表示为:
其中,p
i|j
为高维空间中x
i
与x
j
的条件概率,且p
i|j
=p
j|i
;q
i|j
为低维空间中y
i
和y
j
的条件概率,且q
i|j
=q
j|i
;σ
j
为高斯分布的标准差。在高维空间中采用联合概率密度p
...
【专利技术属性】
技术研发人员:易灵芝,禹果,刘江永,孙涛,陈智勇,董腾飞,
申请(专利权)人:湘潭大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。