公开(公告)号：CN108985380A

公开(公告)日：2018-12-11

申请号：CN201810824760.2

申请日：2018-07-25

Applicant: 西南交通大学

Inventor： 王小敏 ,  李孟澜 ,  张文芳 ,  郑启明

IPC: G06K9/62 ,  G06F17/50

Abstract: 一种基于聚类集成的转辙机故障识别方法，步骤如下，第一步：转辙机功率数据预处理：使用DTW动态时间归整处理转辙机功率数据；第二步：数据特征集与基聚类算法搭配生成基聚类成员：采用基于层次的凝聚式层次聚类和基于密度的DBSCAN、DPCA作为基聚类算法得到3个基聚类成员；第三步：构建基于聚类集成算法的转辙机故障数据挖掘框架，采用一种基于权重投票的W-VOTE聚类集成算法，生成转辙机故障数据的分析、挖掘与故障诊断。本发明在无需先验知识前提下，具有故障诊断更全面、故障识别精度更高、故障识别可视化的特点。

公开(公告)号：CN108985380B

公开(公告)日：2021-08-03

申请号：CN201810824760.2

申请日：2018-07-25

Applicant: 西南交通大学

Inventor： 王小敏 ,  李孟澜 ,  张文芳 ,  郑启明

IPC: G06K9/62

Abstract: 一种基于聚类集成的转辙机故障识别方法，步骤如下，第一步：转辙机功率数据预处理：使用DTW动态时间归整处理转辙机功率数据；第二步：数据特征集与基聚类算法搭配生成基聚类成员：采用基于层次的凝聚式层次聚类和基于密度的DBSCAN、DPCA作为基聚类算法得到3个基聚类成员；第三步：构建基于聚类集成算法的转辙机故障数据挖掘框架，采用一种基于权重投票的W‑VOTE聚类集成算法，生成转辙机故障数据的分析、挖掘与故障诊断。本发明在无需先验知识前提下，具有故障诊断更全面、故障识别精度更高、故障识别可视化的特点。