基于聚類與K近鄰算法的LKJ運(yùn)行記錄數(shù)據(jù)分析及故障診斷.pdf

1、列車運(yùn)行監(jiān)控記錄裝置是監(jiān)控列車安全運(yùn)行的列車速度控制系統(tǒng)，目前已經(jīng)基本在全路普及。除監(jiān)控功能外，LKJ（列車運(yùn)行監(jiān)控記錄裝置）還具有記錄功能，所形成的LKJ運(yùn)行記錄數(shù)據(jù)文件為分析列車事故原因以及車載設(shè)備故障診斷提供了有力的判斷依據(jù)。不過目前根據(jù)LKJ數(shù)據(jù)的機(jī)車車載設(shè)備故障診斷仍然是以人工分析為主要方式，因此存在確定故障原因時(shí)間長(zhǎng)、故障診斷效率低，分析時(shí)容易出錯(cuò)等缺點(diǎn)。針對(duì)上述弊端，提出將故障診斷算法與LKJ數(shù)據(jù)分析相結(jié)合展開機(jī)車速度傳感

2、器故障診斷研究。
　　本文首先在對(duì)LKJ系統(tǒng)組成以及LKJ運(yùn)行記錄數(shù)據(jù)文件的記錄內(nèi)容進(jìn)行介紹的基礎(chǔ)上，確定機(jī)車軸端速度傳感器作為本文的故障診斷研究對(duì)象。其次，分析了機(jī)車速度傳感器結(jié)構(gòu)以及工作原理，同時(shí)，研究了LKJ速度通道的組成結(jié)構(gòu)，并通過現(xiàn)場(chǎng)學(xué)習(xí)調(diào)研，明確了機(jī)車速度傳感器的幾種故障類型并對(duì)各種故障類型的產(chǎn)生機(jī)理進(jìn)行了研究。接著，通過對(duì)原始LKJ運(yùn)行記錄數(shù)據(jù)文件進(jìn)行格式轉(zhuǎn)換以及數(shù)據(jù)預(yù)處理后，利用EXCEL數(shù)據(jù)統(tǒng)計(jì)分析軟件對(duì)25組速

3、度傳感器正常的LKJ數(shù)據(jù)樣本、13組速度通道虛接的LKJ數(shù)據(jù)樣本以及5組速度傳感器斷軸的LKJ數(shù)據(jù)樣本進(jìn)行統(tǒng)計(jì)分析，再考慮到不同故障在LKJ數(shù)據(jù)中的對(duì)應(yīng)故障征兆以及專家經(jīng)驗(yàn)，得出4條故障規(guī)律。根據(jù)這4條故障規(guī)律，選取出本文的故障診斷特征向量。針對(duì)傳統(tǒng)KNN(K Nearest Neighbor,K近鄰)算法在分類時(shí)沒有考慮到各近鄰樣本對(duì)其所屬類別的重要程度，本文中故障診斷算法采用聚類算法來改進(jìn)傳統(tǒng) KNN算法，即聚類-KNN算法。在分類

4、之前首先計(jì)算訓(xùn)練數(shù)據(jù)各類別的聚類中心，分類時(shí)計(jì)算各近鄰樣本隸屬于其聚類中心的程度因子進(jìn)而對(duì)KNN算法進(jìn)行修正。最后，在 MATLAB仿真環(huán)境下編程實(shí)現(xiàn)了基于聚類-KNN分類器的機(jī)車速度傳感器故障診斷實(shí)驗(yàn)并給出相應(yīng)的維修建議。
　　通過故障診斷結(jié)果可以看出，聚類-KNN分類器在基于LKJ數(shù)據(jù)分析的機(jī)車速度傳感器故障診斷的診斷正確率、分類器召回率以及F1測(cè)試值等與診斷精度相關(guān)的指標(biāo)較傳統(tǒng)KNN分類器有所提高，而在時(shí)間效率方面聚類-KN