-
公开(公告)号:CN112070413B
公开(公告)日:2023-10-31
申请号:CN202010979983.3
申请日:2020-09-17
Applicant: 上海应用技术大学
IPC: G06Q10/0637 , G06Q50/06 , G06N3/006
Abstract: 本发明公开了一种基于小样本条件下牵引供电系统的可靠性研究方法,应用Bootstrap法对“小样本”数据进行虚拟增广,有效改善了现有技术中相关故障数据实际样本量少,而导致对威布尔分布拟合效果差的问题。LSSVM算法较传统SVM算法,简化了计算的复杂性,提高了算法收敛精度。并结合粒子群算法易实现易、精度高、收敛快等优点。应用设计的PSO‑LSSVM算法对LSSVM模型参数进行优化,选取LSSVM的最优参数进行配置。对采用故障树分析法,BDD算法建立的牵引供电系统模型进行有效预测。得出牵引供电系统设备的可靠性以及平均失效时间,对牵引供电系统整体设备维修计划提供可靠的科学依据。
-
公开(公告)号:CN112070413A
公开(公告)日:2020-12-11
申请号:CN202010979983.3
申请日:2020-09-17
Applicant: 上海应用技术大学
Abstract: 本发明公开了一种基于小样本条件下牵引供电系统的可靠性研究方法,应用Bootstrap法对“小样本”数据进行虚拟增广,有效改善了现有技术中相关故障数据实际样本量少,而导致对威布尔分布拟合效果差的问题。LSSVM算法较传统SVM算法,简化了计算的复杂性,提高了算法收敛精度。并结合粒子群算法易实现易、精度高、收敛快等优点。应用设计的PSO‑LSSVM算法对LSSVM模型参数进行优化,选取LSSVM的最优参数进行配置。对采用故障树分析法,BDD算法建立的牵引供电系统模型进行有效预测。得出牵引供电系统设备的可靠性以及平均失效时间,对牵引供电系统整体设备维修计划提供可靠的科学依据。
-