基于数据特征识别的接触网补偿装置和中心锚结状态异常诊断方法OA北大核心CSTPCD

常用的人工巡视、图像识别、定点监测等手段难以对接触网补偿装置和中心锚结状态进行全面、精准地评估,因此提出基于数据特征识别的状态异常诊断方法。首先,归纳补偿装置和中心锚结状态异常时的2类典型数据特征,定义描述中心锚结区域接触线高度突变的3项特征量、锚段左右2侧接触线高度差异的3项特征量以及中心锚结区域弓网接触力突变的3项特征量;然后,依托实测数据构建样本库,采用离群点检测方法检查样本可靠性,采用主成分分析法对强相关特征量进行规约,形成训练样本库;最后,采用随机森林算法训练分类模型,并通过总体准确率、假正率和真负率对分类模型进行评估。通过对该方法的特征量和分类模型及现场试用进行验证,结果表明:各特征量可分性良好,验证了归纳数据特征的可靠性和普遍性;随机森林算法在2类样本训练中均有95%以上的分类准确率;采用该方法的诊断结果现场复核准确性高,在补偿装置和中心锚结状态异常诊断中可行性较强。