В статье представлены результаты исследования, направленные на повышение точности диагностики неисправностей силового электронного преобразователя CRH3 EMU электропоезда Fuxing с применением метода машинного обучения. Моделирование неисправностей преобразователя выполнено в MATLAB Simulink путем включения и отключения IGBT-транзисторов таким образом, чтобы имитировать рабочий режим преобразователя при возникновении одиночной неисправности. Для диагностирования неисправностей и выявления их специфики использовались в сочетании вейвлет-анализ и повышающий алгоритм ансамблевого метода машинного обучения. Рассмотрены преимущества, недостатки алгоритма машинного обучения, возможность осуществлять поиск неисправностей преобразователя CRH3 EMU на основе интеграции вейвлет-анализа и методов машинного обучения, которые могут заменить традиционные методы технического обслуживания и диагностирования неисправностей тяговых преобразователей подвижного состава
Загрузка...
Нет сомнения, что статья актуальна и имеет новизну. Однако не хватает конкретного примера. Из текста статьи непонятно про что идёт речь: «Силовое оборудование электропоезда функционирует в условиях резких изменений напряжения и тока, что является одной из причин его отказов», так как все электромагнитные процессы — быстры. Заголовок статьи никак не пересекается с выводами. Проблемой диагностики преобразователей из текста статьи, стоит получение точности и достоверности, но опять без примеров, непонятно в чём нужна точность и где с достоверностью не так…?
Тема статьи и работы, безусловно, актуальна, но ее содержание сводится к описанию хорошо известной в машинном обучении технологии классификации данных, называемой бустингом и не содержит каких-либо результатов его применения к решению заявленной в названии задачи.