基于SaCE-ELM的地铁牵引控制单元快速故障诊断

地铁牵引控制单元(TCU)在地铁运行过程中有重要的作用，及时有效地对其进行故障诊断，是保证地铁正常运行的重要环节．针对传统故障诊断方法的学习速度慢、易陷入局部最优、预测精度较差等缺点，提出一种使用自适应差分进化算法(SaCE)进行优化的极限学习机(SaCE-ELM)，即通过自适应差分进化算法对极限学习机的输入权重、隐含层参数和输出权重进行优化．其中，差分进化算法的变异策略通过基于混沌序列的自适应机制产生，其他参数使用正态分布随机生成；网络的输出权重使用Moore-Penrose广义逆矩阵计算得出． SaCE-ELM 不需要人工选择变异策略和参数，自适应策略比SaE-ELM更加简单．实验结果表明，与E-ELM、SaE-ELM、LM-NN、SVM相比，SaCE-ELM具有更好的预测精度．此外， SaCE-ELM 在所有数据集上训练时间比SaE-ELM和SVM更少，有效地改善了生成模型的效率