高速铁路道岔偶发故障分析及处理

多机牵引的交流道岔偶发停止转换故障会对高速铁路正常运行带来安全隐患。针对高速铁路现场维护部门所反映的这一故障现象,在排除室外设备故障的情况下,通过分析多机牵引交流道岔控制电路的动作过程,并对交流道岔控制电路的关键继电器进行测试,绘制出模拟故障下关键继电器动作时序图。测试结果表明:多机牵引道岔控制电路中的断相保护器输出电压不稳或输出断电是造成道岔偶发故障的主要原因,并提出相应交流道岔故障处理建议,便于高速铁路道岔安全维护。     

基于BP神经网络的道岔智能故障诊断方法

为将神经网络技术运用在铁路道岔故障诊断领域,提出了以神经网络技术为基准,针对道岔常见的3个故障类分别建立3个子神经网络,并总体组建成一个并行神经网络系统的道岔智能故障诊断方法,以帮助维修人员快捷、准确、自动地诊断出故障原因,降低故障处理时间,提高运行效率。     

基于SOM-BP混合神经网络的道岔设备退化状态研究

针对道岔设备故障频繁、维修成本高,且现有基于故障数据的诊断方法无法描述道岔退化过程,难以实现故障超前预判的问题,进行基于SOM-BP混合神经网络的道岔设备退化状态研究。依据采集的道岔非故障功率数据按区段提取峰值、方差、峭度等特征参数,基于平均影响值进行特征参数选择,并确定输入维数;使用自组织特征映射(SOM)神经网络对输入特征参数进行多次聚类学习,分析学习结果得到6种退化状态样本数据;构建15-13-6型BP神经网络结构模型,实现对道岔设备退化状态的识别。结果表明,采用SOM-BP混合神经网络进行道岔设备退化状态识别的准确率达到95.56%。     

基于CNN-GRU模型的道岔故障诊断算法研究

道岔作为铁路重要的信号基础设备,在保障铁路安全运行中起到重要作用。基于信号集中监测系统中道岔的故障电流和功率曲线,经过哈尔小波变换后,通过卷积神经网络(CNN)中的卷积层,对故障曲线提取一定维度的道岔故障特征;然后把提取到的故障特征作为门控循环单元(GRU)的输入,从而实现道岔故障诊断;最后将数据集分成训练集和测试集,对模型做训练和验证。实验仿真表明,特征矩阵采用40维输入,迭代75次时,道岔故障诊断准确率达95%,训练时间也优于其他方法。     

提速道岔表示电路的故障分析与处理

本文以提速道岔定位为例,首先提出了道岔失去表示的三类情况;其次通过某故障案例分析由道岔采集电路断线所造成的失表问题,并提出了故障处理方法;最后重点并详细分析了提速道岔表示电路开路和短路故障问题,同时提出了"电压法"和"电流法"等故障处理手段。     

地铁道岔电气故障的诊断方法及软件系统构建

地铁道岔故障处理一直是信号系统的重点工作。为构建道岔故障诊断系统,根据道岔故障类型,针对道岔电气故障展开了研究。通过对道岔启动电路、道岔表示电路原理的分析,确定道岔故障诊断所需的采集点和采集内容,研究汇集了一组道岔故障现象及故障定位的故障数据库,可对道岔三相电缺相故障、道岔启动电路故障、道岔表示电路故障进行有效定位,以方便故障排查,为道岔故障诊断系统的构建奠定了基础。     

提速道岔小波包能量熵故障诊断方法

将小波包变换应用于S700K型提速道岔转辙机故障诊断中,以微机监测系统采集的S700K型转辙机三相交流电流为信号源,基于小波包多尺度分析对道岔转辙机正常工作状态和各故障状态下的三相交流电流进行分解,并通过小波包能量熵提取故障特征,然后根据能量熵定义故障诊断指标,并对每相电流的故障诊断指标设定2个阈值,来定量划分故障类型。实验结果表明:道岔不同故障情况下,三相电流小波包能量熵分布有一定的规律,故障诊断指标阈值的设定能有效划分道岔故障类型,待测样本测试结果与现场诊断结果一致。     

基于代价敏感RBF神经网络的道岔故障诊断系统

针对铁路道岔故障中几种常见类型故障,为尽量减少道岔故障误分类所造成的损失,特建立基于遗传算法的代价敏感RBF神经网络模型以及基于该模型的道岔故障诊断系统。模型通过建立代价敏感适应度函数,实现基于遗传算法的RBF神经网络向代价最优的方向进行随机搜索。利用某车站道岔动作电流监测数据进行验证,证明系统能够提高故障数据的识别精度,降低故障数据的误分类代价。该系统可帮助维护人员快速、准确地对道岔故障进行诊断,缩短故障处理时间,提高铁路行车的安全性。     

基于混合模型的道岔综合监测系统研究

道岔作为关键的铁路信号设备，也是铁路线路三大薄弱环节之一，其工作质量直接影响列车的运行安全。传统的道岔检测方法过分依赖人工经验，检测效率低下，难以应对现有铁路运行中行车速度快、发车密度高等对道岔维护所带来的严峻挑战，并且现有道岔监测也存在监测项目不全面等问题。为满足工电融合需要，开发了一套基于混合模型的道岔综合监测系统，使用卷积神经网络自动进行特征提取，以获取道岔状态，充分发挥深度学习的自动特征提取优势；采用支持向量机和向量域的混合算法，对正常/故障数据进行分类和异常检测，从而提高故障检测的准确率。测试结果表明：与现有人工巡检方法相比，该系统能够为相关人员提供精准、实时的道岔故障预警，提高维护效率，有效减少人力成本且降低道岔病害的发生概率。     

利用分线盘判断ZYJ7道岔控制电路故障的方法及原理

以朔黄铁路应用的ZYJ7型道岔为例,介绍利用分线盘来测试、判断、处理道岔控制电路故障的方法。叙述故障电路具体表现特征、故障原因和查找方法,对如何改进ZYJ7型道岔控制电路提出建议。     

新型五线制道岔控制电路测试系统的设计

根据6502电气集中道岔执行组电路工作原理,研究了一种基于AVR微处理器的五线制道岔控制电路测试系统。介绍了该系统的设计原理及思路,详细分析了各个功能模块的硬件架构,并绘制了软件的流程图。测试结果表明,它能够模拟三相交流转辙机(如S700K、ZDJ9)的动作过程,对五线制室内道岔控制电路进行智能化测试。系统结构简单,使用轻巧、方便,并带有微机控制的智能分析显示模块,能够实时地监测室内表示电路电压和动作电压、智能分析五线制道岔控制电路的故障。     

一例计算机联锁设备故障探讨与分析

1故障现象广铁集团管内某站近期发生一例故障:当排列下行4道X4至SF信号机发车进路时(如图1),原处在定位状态的双动2/4#道岔之一的2#道岔转至反位,4#道岔仍在定位,2/4#道岔失表示,信号无法开放,同时2/4#道岔被单锁。对2/4#道岔实施单解后,通过单操方式分别将道岔操至定位或反位,2/4#道岔却能正常转换至定位或反位,且能给出表示。2故障判断和查找对2/4#道岔进行定、反位单操试验,发现均能根据单操指令,按规定转至定位或反位,且能给出相应定、反位表示,未发现道岔有异状。将2/4#道岔单操至定位后,排列一条D2至D8调车进路,发现故障现象与排列下行4道X4信号机至SF信号机发车进路时一     

基于神经网络的道岔智能故障诊断方法的研究

本文将神经网络信息融合技术运用在铁路道岔故障诊断领域,为铁路信号领域提出了一种新型的道岔智能故障诊断方法。该方法能快捷、准确地融合从各传感器得到的故障信息,通过人工智能处理,自动诊断出故障原因,为维修人员提供技术参考,从而降低故障发生率和故障处理时间,确保运行安全,提高运行效率。     

便携式交流提速道岔测试仪在高铁的应用

便携式交流提速道岔测试仪是专门针对高速铁路交流提速道岔而研制的高精度仪器仪表。介绍了测试仪的系统构成、模块化程序设计方法和功能实现。测试仪便于携带,测试精确可靠,为道岔维护工作提供了专用仪表。     

提速道岔五线制虚拟交流转辙机的研究与设计

在实际铁路运营过程中,道岔控制电路的动作命令并没有得到有效的事先校验,故障排查耗时耗力,严重影响其可靠性和运行效率。鉴于此,研究并设计一种模拟三相五线制交流转辙机工作状态的虚拟交流转辙机。该虚拟交流转辙机与道岔控制电路相连接,采集动作过程中的电流、电压信息并计算出电流、电压的有效值,既可以由虚拟转辙机上的故障指示灯警示故障,也可在上位机绘制出功率曲线,由此可分析故障现象。不但节省故障排查时间,而且提高道岔控制电路的可靠性和运营效率,具有便携、安全、可靠、成本低的优点。     

交流转辙机八线制道岔控制电路的研制

为解决交流转辙机五线制道岔控制电路中2DQJ继电器接点拉弧引起的道岔电路故障问题,经观察、分析,进而通过现场测试验证找出问题产生的真正原因,并在此基础上,提出一种动作电路与表示电路分开的八线制道岔控制电路解决方案。该方案在北京地铁7号线进行了为期两个月的现场验证,结果表明该方案在保证安全性的基础上,彻底解决了拉弧导致的电路故障,提高了控制电路的稳定性。该电路不仅适用于城市轨道交通,也同样适用于高速铁路和普速铁路,对工程应用具有重要意义。     

ZYJ7电液转辙机启动曲线分析及应用

以ZYJ7+SH6双机牵引道岔为例,通过对ZYJ7+SH6型转辙机正常启动曲线分析,并与常见故障曲线进行比对,阐述信号维护人员在日常维护中如何通过分析转辙机启动曲线了解道岔运转情况,可以提前发现设备存在的隐患并处理,保障现场设备的运转质量。以及在发生故障时如何通过对道岔启动曲线的分析,准确快速定位故障,减少故障处理时间。     

基于模糊神经网络的道岔故障诊断系统研究

运用模糊理论和神经网络技术相结合的方法,构造了基于模糊神经网络的铁路道岔故障诊断系统,介绍该系统的的结构、原理及诊断过程,并采用Matlab神经网络工具箱进行仿真,仿真结果表明模糊神经网络方法适用于道岔设备故障诊断.     

高铁大号码道岔维护实例解析

以高铁大号码道岔现场实际发生的故障为例,通过现场测试调试,结合道岔集中监测和缺口监测综合分析,总结出大号码道岔的客观变化规律,提出运用过程中存在问题的维护经验,以期预防及减少高铁大号码道岔设备故障。     

基于隐马尔科夫模型的道岔故障诊断方法

针对国内外高速铁路的快速发展,道岔故障严重影响行车安全及运输效率,本文提出一种基于隐马尔科夫模型的道岔故障诊断方法,通过增加道岔设备的潜在故障状态,将道岔设备的状态进行多状态细分。采用基于Fisher准则函数和主成分分析的方法进行特征提取,矢量量化处理后,建立不同故障模式下的HMM模型,通过比较测试数据与训练得到的不同HMM模型的匹配值进行故障诊断。利用京广铁路长沙南某型号道岔连续动作功率数据,对模型的性能进行测试,完成了故障诊断的实现与验证。仿真结果表明,采用四维特征信息时,其训练时间相对于其他机器学习方法有了较大提高,正确率达到90%以上,且该方法将道岔状态进行细分,通过分析每种状态之间的状态转移,可以预测道岔故障,从而进行道岔设备健康状态监测。