文档名：改进麻雀算法和QLearning优化集成学习轨道电路故障诊断
摘要：无绝缘轨道电路的故障具有复杂性与随机性,采用单一的模型进行故障诊断,其性能评价指标难以提高.而采用集成学习方式,则存在各基学习器结构、参数设计盲目,集成模型中各基学习器组合权重难以分配的问题.针对以上问题,提出一种改进麻雀算法和Q-Learning优化集成学习的轨道电路故障诊断新方法,该方法有机地将集成学习与计算智能和强化学习相结合,充分挖掘轨道电路故障特征,提高性能评价指标.首先,使用卷积神经网络、长短期记忆网络和多层感知器深度学习模型,以及支持向量机和随机森林传统机器学习模型,共同构成集成学习基学习器,解决单一学习模型的不足,不同基学习器的使用保证集成学习的多样性.从自动化机器学习角度出发,采用改进麻雀算法优化该集成学习模型的结构和参数,克服其结构和参数难以确定的问题.在此之上,引入强化学习Q-learning对集成模型中各基学习器组合权重进行优化,智能地确定集成学习各基学习器的组合权重.最后,将集成学习模型的预测结果与真实结果比较后得到误差,再采用BP神经网络对预测结果进行补偿修正,进一步提高轨道电路的故障诊断性能评价指标.仿真结果表明,利用所提方法进一步改善了轨道电路故障诊断的准确度、精确度、召回率和F1值等性能评价指标.
作者：徐凯 郑浩 涂永超 吴仕勋 Author：XUKai ZHENGHao TUYongchao WUShixun
作者单位：重庆交通大学信息科学与工程学院,重庆400074;重庆市公共交通运营大数据工程技术研究中心,重庆400074重庆交通大学信息科学与工程学院,重庆400074
刊名：铁道科学与工程学报 ISTICPKU
Journal：JournalofRailwayScienceandEngineering
年，卷(期)：2023, 20(11)
分类号：U284.2
关键词：无绝缘轨道电路 故障诊断 集成学习 改进麻雀算法 Q-learning 误差修正
Keywords：jointlesstrackcircuit faultdiagnosis ensemblelearning improvedsparrowsearchalgorithm Q-learning errorcorrection
机标分类号：
在线出版日期：2024年1月3日
基金项目：四川省科技厅川渝合作重点研发项目，重庆市自然科学基金资助项目，重庆市教委科学技术研究项目改进麻雀算法和Q-Learning优化集成学习轨道电路故障诊断[
期刊论文] 铁道科学与工程学报--2023, 20(11)徐凯 郑浩 涂永超 吴仕勋无绝缘轨道电路的故障具有复杂性与随机性,采用单一的模型进行故障诊断,其性能评价指标难以提高.而采用集成学习方式,则存在各基学习器结构、参数设计盲目,集成模型中各基学习器组合权重难以分配的问题.针对以上问题,提出...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
改进麻雀算法和Q-Learning优化集成学习轨道电路故障诊断 Fault diagnosis of track circuit based on improved sparrow search algorithm and Q-Learning optimization for ensemble learning
改进麻雀算法和Q-Learning优化集成学习轨道电路故障诊断.pdf
- 文件大小:
- 8.13 MB
- 下载次数:
- 60
-
高速下载
|
|
