浅析地铁车门系统故障的诊断与维修策略

现阶段,地铁在城市交通运输中占据着极其重要的地位,而地铁车门系统对地铁的舒适性、安全性等起到非常重要的作用.对地铁车门系统中内藏门常见的故障问题进行了分析,并提出相应的维修策略,为地铁车门系统故障的排除和维修提供一定的依据,也为地铁运行的安全稳定性提供必要的保障.     

随机森林在滚动轴承故障诊断中的应用

针对不同轴承数据特征选择困难和单个分类器方法在滚动轴承故障诊断中精度较低的问题,提出了一种基于分类回归树（CART）的随机森林滚动轴承故障诊断算法。随机森林是包含了多种分类器的集成学习方法。通过随机森林的“集成”思想来提高滚动轴承故障诊断的精度。从滚动轴承的振动信号中提取时域统计指标,将其作为特征向量,利用随机森林（Random Forest）对滚动轴承故障进行诊断。利用SQI-MFS实验平台的轴承数据,与传统分类器（SVM、kNN和ANN）以及单个分类回归树的诊断结果相比,随机森林算法具有比较高的诊断精度。     

基于随机森林的入侵检测分类研究

为了有效地检测网络的攻击行为,机器学习被广泛用于对不同类型的入侵检测进行分类,传统的决策树方法通常用单个模型训练数据,容易出现泛化误差大、过拟合的问题。为解决该问题,文中引入并行式集成学习的思想,提出基于随机森林的入侵检测模型,由于随机森林中每棵决策树都有决策权,因此可以很好地提高分类的准确性。利用NSL-KDD数据集对入侵检测模型进行训练和测试,实验结果表明,该模型的准确率可达99.91%,具有非常好的入侵检测分类效果。     

基于离散小波变换和随机森林的轴承故障诊断研究

针对不同工况下数据特征选择困难和单一分类器在滚动轴承故障诊断中识别率较低等问题,提出了一种基于离散小波变换和随机森林相结合的滚动轴承故障诊断方法。该方法首先利用离散小波变换分解振动信号,得到n层近似系数;然后创新性地采用sigmoid熵构造出n维特征向量,sigmoid熵能较好地提取非平稳信号的特征,提高诊断准确率;最后采用随机森林对滚动轴承不同故障信号进行分类。实验采用西储凯斯大学轴承数据中心网站提供的轴承数据,与传统分类器(KNN和SVM)以及单个分类回归树CART进行对比分析,结果表明该方法具有更好的诊断效果。     

基于随机森林模型的短时交通流预测方法

短时交通流的准确高效预测对于智能交通系统的应用十分关键,但较强的非线性和噪声干扰使其对模型的灵活性要求较高,并且还需在尽可能短的时间内处理大量的数据。因此,讨论了用随机森林模型对短时交通流进行预测,该模型具有比单棵树更强的泛化能力,参数调节方便,计算高效,且稳定性好。观察交通流数据在较长时间跨度上的变化后,提取出主要特征变量构造输入空间,对模型进行训练后,在测试集上的预测准确率约为94%。与目前广泛使用的支持向量机模型进行对比分析,结果显示随机森林预测不仅准确率稍好于支持向量机,而且在效率、易用性及未来应用的扩展上都要优于支持向量机。     

基于随机森林算法的图书馆文献自动分类方法研究

为实现图书馆文献自动分类,提出一种随机森林算法的分类方法。首先,提出图书馆文献自动分类的思路;然后根据整体思路,建立数据集,并对数据集进行预处理和特征提取;最后搭建文献自动分类器,并比较随机森林分类器与常用的NB、SVM分类器的分类性能。结果表明：随机森林分类器对文献的分类准确率最高,且能够维持在95%左右,相比于NB、SVM自动分类法提高了3%;同时查准率和加速比上,随机森林分类器的性能也最优。由此得出,基于随机森林算法的分类能满足图书馆文献自动分类的要求,且分类准确率更好,分类效果更理想。     

基于决策树C4.5算法的汽轮机非线性故障诊断研究

汽轮机故障频率存在非线性、诊断复杂、相关参数属性集庞大的特点,应用决策树C4.5算法进行分类,速度快,准确性高.首先对汽轮机故障频率的连续性进行离散化,对决策表属性约简,得到分类规则,做为实际应用的依据.以Matlab为开发平台构建汽轮机振动故障诊断系统,准确率达到86.7％,具有实际应用价值.     

基于空间变换的随机森林算法

随机森林是机器学习领域中一种常用的分类算法,具有适用范围广且不易过拟合等优点.为了提高随机森林处理多分类问题的能力,提出一种基于空间变换的随机森林算法(space transformation based random forest algorithm, ST-RF).首先,给出一种考虑优先类别的线性判别分析方法(priority class based linear discriminant analysis, PCLDA),利用针对优先类别的投影矩阵对样本进行空间变换,以增强优先类别样本与其他类别样本的区分效果.进而,将PCLDA方法引入随机森林构建过程中,在为每棵决策树随机选择一个优先类别保证随机森林多样性的基础上,利用PCLDA方法创建侧重于不同优先类别的决策树,以提高单棵决策树的分类准确性,从而实现集成模型整体分类性能的有效提升.最后,在10个标准数据集上对ST-RF算法与7种典型随机森林算法进行比较分析,验证所提算法的有效性,并将基于PCLDA的空间变换策略应用到对比算法中,对改进前后的算法性能进行比较分析.实验结果表明：ST-RF算法在处理多分类问题方面具有明显优势,所提出的空间变换策略具有较强的普适性,可以显著提升原算法的分类性能.     

基于PCA和随机森林的故障趋势预测方法研究

故障预测和健康管理技术(PHM)在现代工程系统中能够在系统具备较高复杂度的情况下,有效保障其可靠性和安全性。在机械故障诊断中对于采集到的原始数据的高维特征量的处理较为复杂,并且在实际应用中趋势预测的精度要求较高,针对该问题提出一种基于主成分分析(PCA)与随机森林算法的轴承故障趋势预测方法。该方法利用PCA对提取的原始轴承数据特征量进行线性降维,并选取其中主成分特征量,输出非线性时间序列数据。原始数据经过PCA处理得到非线性时间序列,将该序列作为随机森林算法的输入进行故障趋势预测,并把预测结果与BP神经网络模型预测的结果进行对比,结果表明随机森林在故障趋势预测上在精度相较于BP神经网络有显著提高,是一种有效的故障趋势预测方法。     

基于故障树的地铁屏蔽门故障诊断专家系统的设计

在地铁屏蔽门系统的故障诊断中,传统方法存在效率低、人工负担重等缺陷;为此,设计了基于故障树的故障诊断专家系统;先用屏蔽门的资料构建出扩展故障树,然后使用早期不交化和模块化等方法将其简化成基本故障树,求出最小割集;在故障树的基础上,设计了专家系统的知识获取和表示机制,建立了知识库;在构建推理机时,采用了双向推理、全自动推理、半自动推理、人工回溯等策略,提高了诊断效率和可信度;该系统可与综合监控系统进行接口,能对相关信息进行推理分析,对潜在故障进行预警,对已发生故障进行快速定位和诊断,出具故障报告和处理建议书,并提供故障模拟及培训功能;试用者的反馈意见表明该系统具有较好的实用价值。     

基于随机森林的宫颈病变识别应用研究

针对分析HPV-DNA病毒载量检测与TCT液基薄层细胞学技术联合检查中存在的不足,应用计算机辅助诊断(CAD)技术提高宫颈癌筛查准确率,提出了一种基于随机森林(RF)的宫颈病变识别模型。通过对宫颈细胞图片进行特征值提取形成宫颈细胞特征数据集,然后进行Bootstrap抽样,采用随机抽取一个特征子集建立决策树,对宫颈细胞分类结果进行投票,将此模型在宫颈癌筛查方面加以应用。经理论分析和实验数据验证,相比于传统的联合检查,该方法提升了宫颈病变识别的性能,其结果具有一定的竞争力、更具优势。     

基于决策树与扩展相关性矩阵的故障诊断方法

故障诊断的准确性直接影响维修的时间与费用,目前,电子产品故障诊断中多采用相关性矩阵的方法,用0/1逻辑构建诊断知识实现诊断,该方法无法充分利用测试信息,影响了故障隔离能力。因此,针对该问题,将莱特准则引入相关性矩阵的构建中,运用多值编码代替0/1编码,构建了一种新的相关性矩阵,以矩阵中的不同测点信息作为决策树的输入,以信息增益为特征优选原则,优选了测试点,构建了诊断决策树模型,给出了故障诊断策略。该方法提高了故障隔离能力,诊断过程更符合实际需求。利用上述方法,以电源模块为对象,进行了案例应用,通过故障注入实验的方式,验证了该方法的有效性,结果表明,通过文中的方法所得的故障隔离率指标优于基于传统相关性矩阵(D矩阵)的方法。     

基于随机森林算法的配网抢修故障量预测方法

配网抢修是电力系统运行环节中十分重要的一环,精益化的配网抢修管理不仅能提高电力系统的供电服务质量,也能减少电力公司的经济损失. 本文提出一种新的配网抢修故障数量预测的方法. 首先,基于历史数据,以气温、风力、前一天的故障量、最大最小负荷等作为因变量,对数据做了特征映射等预处理. 然后,应用随机森林算法建立配网抢修故障量预测模型,并预测不同区域、不同电网故障及非电网故障、不同电压维度下未来一天故障量. 在真实电力数据上进行了对比验证,实验结果表明提出的方法具有较好的预测效率和准确性.     

ATS故障树法故障诊断功能的实现

当缺乏故障诊断先验知识时,故障树法是工程上易于实现的一种有效的故障诊断方法.通过分析、归纳测试项目与SRU的关联关系,得出了故障树模型中故障诊断知识的表达方式.以Access数据库为基础,提出了故障树的结构、数据组织形式及故障诊断的推理方法,并设计了适用于自动测试系统的故障诊断系统.该方法具有故障诊断推理过程表达明确、树模型易于建立等优点,已应用到两型机载电子设备的故障诊断中,故障隔离率和虚警率都达到了设计要求.     

基于LabVIEW的旋转机械故障诊断模块的开发

针对目前旋转机械大型化、复杂化的发展趋势,把故障诊断模块按旋转机械的组成分为转子、齿轮箱和滚动轴承三个部分。其中每个部分都采用了神经网络、决策树和专家系统等多种智能诊断方法。采用LABVEIWE来实现,稳定性高、方便编写。     

基于袋外预测和扩展空间的随机森林改进算法

随机森林在bootstrap的基础上通过对特征进行抽样构建决策树,以牺牲决策树准确性的方式来降低决策树间的相关性,从而提高预测的准确性。但在数据规模较大时,决策树间的相关性仍然较高,导致随机森林的性能表现不佳。为解决该问题,提出一种基于袋外预测的改进算法,通过提高决策树的准确性来提升随机森林的预测性能。将随机森林的袋外预测与原特征相结合并重新训练随机森林,以有效降低决策树的VC-dimension、经验风险、泛化风险并提高其准确性,最终提升随机森林的预测性能。然而,决策树准确性的提高会使决策树间的预测趋于相近,提升了决策树间的相关性从而影响随机森林最终的预测表现,为此,通过扩展空间算法为不同决策树生成不同的特征,从而降低决策树间的相关性而不显著降低决策树的准确性。实验结果表明,该算法在32个数据集上的平均准确率相对原始随机森林提高1.7%,在校正的paired t-test上,该方法在其中19个数据集上的预测性能显著优于原始随机森林。     

基于随机森林模型的输电线路故障检测系统研究

针对输电线路故障传统诊断方法抗干扰能力差的现状,利用随机森林模型在预测和分类工程领域的独特优势,提出了一种基于随机森林模型的输电线路故障诊断方法,故障类型诊断的特征量采用小波变换提取的故障电流暂态能量和故障状态下各相电流突变量比例系数。通过基于PSCAD/EMTDC的仿真对比试验验证了本方法在不同故障时刻、不同过渡电阻和不同故障位置下输电线路故障诊断的有效性和优越性。本方法具有更好的故障诊断准确率和适应性,可为不同情况下的输电线路故障检测提供有效的借鉴和技术指导。     

基于WPEE-RF的模拟电路故障诊断

为实现高效的模拟电路故障诊断,提出了基于小波包能量熵(WPEE)和随机森林(RF)的模拟电路故障诊断方法;选择合适的测试激励信号,监测电路收集数据,对模拟电路监测数据进行5层小波包分解,计算多频带WPEE向量表征故障特征,由RF分类器实现故障诊断;仿真实验结果表明,该方法在双二次滤波电路、Sallen-key滤波电路容差故障诊断以及对数放大器综合故障诊断中体现出良好的性能,故障诊断准确率达99%以上,且该方法具有参数鲁棒性,RF模型训练时间短;较支持向量机和BP网络方法相比,表现出更好的综合性能,更能贴近工程实践应用。