同济大学学报(自然科学版)

作者：胡小晨，郭宁，沈拓，董德存

单位：1.同济大学 道路与交通工程教育部重点实验室，上海 201804;2.同济大学 上海市轨道交通结构耐久与系统安全重点实验室，上海 201804

关键词：故障诊断,S700K转辙机,主成分分析（PCA）,深度森林（gcForest）算法

基金：国家重点研发计划（2022YFB4300501）

针对目前转辙机故障诊断准确性不高、效率低等问题，提出了一种基于主成分分析（PCA）和深度森林（gcForest）算法的故障诊断方法。对于S700K转辙机11种故障模式下的电流、功率曲线，采用主成分分析进行电流特征值特征简约，然后使用嵌入简约特征值的改进深度森林模型提高数据处理能力，增强模型内在特征代表性。结果表明，改进深度森林模型故障诊断准确率为97.62%，验证了该方法的有效性和优越性。

来源：2024年第1期

《同济大学学报(自然科学版)》期刊编辑部

查看同济大学学报(自然科学版)杂志2024年第1期