基于MKLSVM的MVB端接故障诊断
李召召
王立德
岳川
申萍
1.北京交通大学电气工程学院,北京,1000442.北京交通大学电气工程学院,北京,1000443.北京交通大学电气工程学院,北京,1000444.北京交通大学电气工程学院,北京,100044
摘要：列车通信网络的故障诊断一直是列车健康管理中的难点,复杂的工作环境、分布式的系统结构也使得故障难以被发现和定位.在分析多功能车辆总线(Multifunction Vehicle Bus,MVB)网络端接故障和反射形成机理的基础上,提出了一种以MVB网络物理波形参数为样本特征,结合多核学习支持向量机(Multiple Kernel Learning Support Vector Machine,MKLSVM)的网络故障诊断方法,以完成由端接电阻造成的网络故障诊断.搭建平台,进行了数据采集、模型训练、结果测试.分别利用普通支持向量机及MKLSVM对样本集进行了测试,并从不同性能度量角度评估了分类器性能.结果显示:以物理波形参数为样本特征能够表征端接网络故障的故障模式,结合支持向量机(Support Vector Machine,SVM)的模式识别方法能够有效对端接网络故障进行诊断.在查准率、查全率、分类精度、代价函数方面,MKLSVM均优于普通SVM分类器.
关键词：网络故障诊断端接故障支持向量机多核学习
分类号：U285.5(铁路通信、信号)
资助基金：北京市自然科学基金(L171009)中央高校基本科研业务费专项资金(E17JB00140)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 100-106 )
英文信息