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。     

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.     

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。     

高速铁路道岔及区间渡线设计分析

根据国外高速铁路研究、设计、运营的科学实践，结合我国高速铁路研究及既有线提速改造的经验，从理论与设计上，就高速铁路大号码道岔和区间渡线平面参数的选择及理论根据进行了分析，并参考国外发展趋势，对我国高速铁路道岔及区间渡线设计及今后发展提出建议     

改进的道岔智能故障诊断系统建模研究

铁路系统转辙机维修方式仍沿用故障修模式,无法提高故障排除速度和准确性,提出利用改进遗传算法优化贝叶斯网络的方法建立故障诊断模型。利用遗传算法搜索能力强,不易陷入局部最优的特点,采用连接矩阵代替网络结构的编码方式,通过修改适应度函数、更新遗传操作方式、修正非法图等方法改进遗传算法,最终解决贝叶斯网络结构学习算法容易缩小搜索空间及易陷入局部最优的缺点。最后利用标准Asia网络验证本文算法比K2和GA算法有更好的搜索结果和更快的收敛速度,以道岔失去表示故障为例验证改进算法对转辙机故障诊断的优越性。     

基于集成深度学习的转辙机故障诊断研究

[目的]为了能够充分利用故障日志数据诊断转辙机故障,提出了基于集成学习算法的道岔转辙机故障诊断方法。[方法]通过分析转辙机故障文本数据,并结合专家经验,建立了两级故障诊断思路;将故障文本数据预处理为机器能够识别的数据,作为故障诊断模型输入数据;介绍了基于AdaBoost集成学习法的CNN(卷积神经网络)-LSTM(长短期记忆网络)故障诊断模型的原理和方法。[结果及结论]试验结果表明,在数据类别不平衡或者样本数量有限的情况下,采用CNN-LSTM模型能够有效提高故障诊断的准确率;与其他故障诊断模型相比,CNN-LSTM模型性能更好;所提出方法具有有效性,能够满足应用场景准确率要求。     

基于机器学习的道岔故障诊断与预测研究综述

机器学习因其可以自适应的处理大量数据、实现智能分类和预测等优点,在道岔故障检测与诊断(Fault Detection and Diagnosis,FDD)技术方面已经有了许多理论研究和应用.对基于数据的道岔故障诊断算法进行分类和整理,重点介绍基于特征提取和基于数据的建模方法,对于机器学习算法的选择和运用具有一定的指导意...     

基于小波分析的机车走行部故障诊断方法

基于小波变换原理,对机车车辆走行部的振动信号进行时频分析。根据走行部故障振动信号的特点,选用调制高斯函数作为分析小波,处理由损伤冲击造成的信号突变。试验表明,该方法对铁路机车高噪声背景下瞬变信号的描述比以往的时域、频域信号处理技术更为精确,对由单个或多个轴承局部损伤引起的振动信号突变十分敏感,是进行机车走行部故障诊断的一种有效方法。     

基于方法组合的轨道电路故障诊断模型

为了解决单一方法对25 Hz相敏轨道电路的故障诊断精度偏低等问题,提出基于最优权值的多方法组合故障诊断模型。首先通过模糊综合评判、灰色关联分析和BP(Back propagation)神经网络3种不同的诊断方法,对轨道电路进行初步故障诊断,然后根据各诊断方法的误判率计算出对应的最优权值,最后对各方法的诊断输出进行最优权值加权平均得到综合诊断的输出结果,确定故障类型。诊断结果表明:组合诊断模型有效地提高了轨道电路故障诊断的准确度,并证明了组合诊断模型的诊断准确度随着诊断方法的数量增加而提高。     

铁路调度指挥系统故障诊断方法

根据铁路调度指挥系统中的故障传播路径特点,建立故障传播的有向图及其模型,设计基于贝叶斯后验概率准则的故障诊断算法.该算法的基本原理是,每1个新增的故障现象都对应着1个故障原因域,依据贝叶斯后验概率准则,计算故障原因域中每1个故障原因的疑似概率,然后按其大小顺序插入既有的故障原因疑似概率集合中.随着故障现象的增加,当故障原因疑似概率集合不再改变时,运算终止.故障原因疑似概率集合中前n个元素能覆盖故障现象时,这n个元素所对应的故障原因,即是诊断结果.实验表明,在单故障模式和双故障模式下,运用这种故障诊断算法得出的结论完全正确,并且在计算机上的运算时间不超过0.8s.     

基于Mamdani模糊神经网络的相敏轨道电路故障诊断方法研究

针对25 Hz相敏轨道电路故障的不确定性与模糊性,提出一种基于Mamdani模糊神经网络的轨道电路故障智能诊断改进方法。采用自适应-动量BP学习调整法对模型参数进行训练优化,给出推导过程,并讨论系统参数初始值的设定。仿真实验表明,在相同实验条件下改进方法降低了训练误差,并有效地提高了诊断学习过程的稳定性与收敛速度,对25 Hz轨道电路故障进行智能模糊诊断是可行的。     

FFTA与BN在ZPW-2000A轨道电路故障诊断中的应用分析

将FFTA(Fuzzy Fault Tree Analysis,模糊故障树分析法)应用到ZPW-2000A轨道电路系统的故障诊断分析之中,可以解决系统各部件之间具有不确定性的联系以及各部件的故障概率数据较少,无法精确获得的问题。将模糊逻辑理论引入到FTA(Fault Tree Analysis,故障树分析)中,使传统的FTA具备了处理模糊信息的能力。再根据模糊故障树构造BN(Bayesian Networks,贝叶斯网络),利用BN的双向推理功能计算出ZPW-2000A系统的故障概率,并可以寻找出最有可能导致系统发生故障的原因。     

基于OOCPN结线分析和反向推理的城市轨道交通牵引供电系统故障诊断方法

基于面向对象的思想和有色Petri网理论,构建库所的令牌,描述城市轨道交通牵引供电系统中组成结点的元件、开关及结点的含源性质,进而建立城市轨道交通牵引供电系统结线分析的OOCPN(Object-Ori-ented Colored Petri-Nets)模型。求解该模型可确定城市轨道交通牵引供电系统的故障域;然后结合专家经验以及牵引变电所综合自动化系统轮询到的保护动作信息,通过反向推理遍历搜索该故障域,对故障元件进行定位;根据专家推理规则以及城市轨道交通牵引变电所内的保护配合关系,判断开关的拒动行为。以城市轨道交通牵引供电系统馈线短路且馈线开关拒动为例进行验证,结果表明:提出的城市轨道交通牵引供电系统故障诊断方法能够实现对故障元件的准确定位和开关拒动行为的判断。     

判定ZD型道岔病害类型的偏离常数分析法

结合ZD型道岔病害的现场调查和监测分析,总结病害在影响道岔正常动作时产生的时间偏离量,提出一种利用偏离常数判定ZD型道岔病害类型的分析方法.     

铁路信号非线性系统故障诊断方法研究

基于二值逻辑的故障诊断方法将系统状态分为正常状态和故障状态。本文针对介于正常状态和故障状态之间的中间状态,提出一种基于模糊逻辑和粒子滤波的非线性系统故障诊断方法。模糊逻辑可以描述非线性系统的故障渐变过程,而粒子滤波可以评估系统状态。通过比较不同故障等级的实际系统状态与系统评估状态,所得到的残差可作为故障诊断标准。以某型铁路信号控制系统的非线性系统为研究对象,利用不同开关状态模拟各种系统故障,仿真结果表明:该方法比传统二值逻辑故障诊断方法的精度更高,且诊断结果能够体现系统故障等级,较准确地反映系统实际故障情况,可以提高信号系统故障诊断的准确性。     

道岔状态不良风险的故障树分析及控制研究

针对道岔状态不良,通过建立涵盖道岔全生命周期的故障树模型,计算最小割集、顶事件概率和基本事件的临界重要度,对道岔状态不良进行定量风险分析.围绕风险控制的消除、预防、减轻后果、事故应急4个方面,研究提出8项针对性的风险控制措施,并建立控制措施有效性评价矩阵,来评价措施有效性.结果表明,道岔状态不良属于风险程度较高的危害事...     

基于改进BP神经网络的驼峰场车辆减速器故障诊断的研究

减速器是驼峰场控制速度的主要部分,随着当前高速铁路大发展和铁路货运量的提高,编组站解体和编组能力加大,车辆减速器使用率和故障率增加,而现场维修人员凭借经验的低效率维修已经不能满足当前的货运溜放要求,对驼峰溜放控制,钩车安全连挂提出更高的要求,因此根据现场收集的数据建立BP神经网络模型进行仿真训练,精确诊断驼峰车辆减速器TJK(Y)2,3的故障部位,仿真结果表明,故障判断准确率达到96%。