道岔健康状态综合评估方法

为了更好地指导道岔大修更换,提出一种整组道岔健康状态评估方法。根据道岔结构特征和使用特性确定了整组道岔健康状态评估的9个当前状态项点,包括道岔静态几何尺寸、动态平顺性、轨件磨耗、轨件伤损、扣件性能、尖轨降低值、工电接口、岔枕状态、道床状态,并考虑道岔轨件更换、道床捣固等维修减扣项点的影响;明确了各项点的评分规则,采用层级分析法确定了各当前状态项点的权重系数;通过计算道岔健康评估指数（Turnout Health Assessment Index,THI）综合评定整组道岔健康状态。根据计算结果将道岔状态分为优秀、良好、一般、失格4个等级。现场应用结果表明,该方法得出的评估结果与现场技术人员的判断一致,可作为道岔健康状态评估与养护维修决策的技术指导。     

基于动态权值的转辙机健康度评估方法

从转辙机设备的故障原因出发,分析了影响转辙机设备使用寿命的主要因素,提出转辙机健康状态模型,进而提出了一种基于动态权值的转辙机健康度评估方法.通过仿真测试,验证了该方法的可行性,评估结果贴近实际,具有较高准确度,可为铁路信号其他设备的健康度评估提供借鉴.     

基于CHMM和SSA-SVM模型的高速铁路道岔设备健康状态评估方法

为更加精准地评估道岔设备健康状态,加强对设备的维护与管理,以ZDJ9型转辙机驱动的高速铁路道岔设备为研究对象,提取道岔功率曲线的时域、频域特征指标及经验模态分解奇异值熵,组成道岔特征指标向量,并采用核主成分分析法消除原始多维特征信息的冗余,构建道岔特征指标样本数据库;利用连续隐马尔可夫模型划分道岔退化状态,在此基础上,建立麻雀搜索算法优化支持向量机的健康状态综合评估模型。研究结果表明：所构建的健康状态评估模型的评估正确率高达98.75%,不仅能够实现高铁道岔设备健康状态综合评估效能,而且明显优于GridSearch-SVM、GA-SVM、PSO-SVM等组合算法,为实现道岔设备由“故障修”到“状态修”的综合智能维护提供可行途径。     

高速铁路道岔运用状态综合评估方法研究

根据现场实际运用经验,提出一种高速铁路道岔运用状态综合评估方法。综合评估方法基于道岔服役信息,以及道岔检测数据,通过建立道岔运用状态综合评估模型,计算道岔各参数得分,综合评估道岔运用状态。以京沪高速铁路某车站6号道岔为例,采用道岔运用状态综合评估方法,评估道岔运用状态。经核实,6号道岔运用状态的评估结果与现场实际相符。综合评估方法能够准确评估高速铁路道岔运用状态。评估结果可用于指导维护道岔,为道岔“计划修”与“状态修”提供参考。     

计及指标重要度的地铁供电设备健康状态分级评估方法

针对现有维修模式中存在的“维修不足”和“维修过度”等问题,提出了一种计及指标重要度的地铁供电设备健康状态分级评估方法。根据层次分析和模糊统计相结合的方法求解设备健康值,并将指标的重要度考虑在内,对设备所处的健康状态进行等级划分,最后以干式变压器为例进行实例分析。研究结果表明：利用本文提出的评估方法能够合理地表征地铁供电设备的健康状态,与实际情况符合,验证了方法的准确性及可行性。     

大跨度铁路桥梁健康状态评估的统计对比诊断方法研究

利用桥梁结构长期健康监测系统获取的大量数据,结合大跨度铁路桥梁的结构受力特点,提出了一套基于静力识别的统计对比诊断桥梁结构整体性能的评估方法。其基本思路是:先根据桥梁结构完好状态下监测系统所采集到的环境变量(包括环境温度、湿度及荷载等)与结构响应变量的大量样本,采用统计分析的方法建立环境变量与结构响应变量之间的函数关系;在诊断和识别桥梁结构是否异常时,将实测环境变量代入以上函数,预测结构的响应量值,并计算出实测响应量与预测响应量的差值,再将这个差值与事先拟定的诊断标准进行比较,判别桥梁结构是否发生异常。这种方法可以综合考虑多种因素对结构响应量的影响,有望实现对桥梁结构健康状态的实时评估。     

基于兴趣相似度的社区结构发现算法研究

复杂网络通常会呈现出社区结构特性,如何在实际网络中高效地发现社区结构是近年来复杂网络的研究热点之一.到目前为止,已经提出很多分析复杂网络社区结构的算法.但是大部分算法基于无权网络并且有些算法由于其时间复杂度的过高导致其不适合应用于对大型网络的分析.本文提出一种基于兴趣相似度的社区结构发现算法.该算法适用于加权网络,并且降低时间复杂度.     

基于整体相似度的铁路应急救援预案推理决策方法研究

将案例推理的方法应用到铁路应急决策中,为铁路应急救援提供一种实用的科学辅助决策方法.在分析应急案例特征的基础上设计基于本体的应急案例通用的建模方法与组织方法;采用基于结构相似度和属性相似度双层结构的案例整体相似度计算算法,优化源案例对目标案例的决策支持,避免传统最近相邻算法中的属性值缺失问题,提高了案例匹配的有效性;最后通过基于案例推理的铁路应急辅助决策原型系统中的算例分析,证明了该方法具有较好的实用性,在领域知识不完全、主要依靠经验知识的铁路应急决策支持系统建设中具有一定的应用价值.     

基于双链路监测的地面应答器健康状态动态检测与评估

为实现对地面应答器的故障预测与健康管理,提出了一种基于双链路监测的地面应答器健康状态动态检测与评估方法.首先,基于电子设备故障预测与健康管理实施过程,对地面应答器智能维护需求进行分析,提出将地面应答器工作过程中的传输性能作为系统健康状态的表征.其次,针对下行链路动态检测,提出将可供现场实时测量的车载天线输入阻抗作为健康...     

基于平面参数法的道岔线型设计研究

随着高速铁路的发展,新建客运专线最高运行速度已达到350 km/h,道岔平面线型是影响列车过岔速度的关键因素之一.针对不同的过岔速度选择合适的道岔线型,计算后得到设计参数,对指导道岔选型和设计是十分必要的.利用平面参数法推导各种平面线型的计算公式,提出道岔线型设计流程,并通过实际算例比较了各种线型的应用范围及优劣性.研究表明,列车低速过岔时宜采用小号码单圆或复圆曲线道岔,高速情况下则宜采用含有缓和曲线的道岔线型;缓和曲线的加入,可以在减小圆曲线半径的基础上提高列车的侧向过岔速度,并满足平稳性要求.     

基于分形维数的FSK信号检测方法的研究

本文着眼干信号的非线性性质,把分形理论引入信号检测,针对FSK信号(铁路移频信号)检测的特点,提出通过计算相关维数做为FSK信号的分形维数的检测方法.本文还用此方法对仿真FSK信号和实际采集的FSK信号做了模拟检测,实验结果表明此方法可以在较强噪声背景下检测出更多低频FSK信号.     

基于D-S证据理论信息融合的轨道电路故障诊断方法研究

在闭塞区间主流设备越来越多的采用ZPW-2000A型无绝缘轨道电路的背景下,针对单一故障诊断方法的诊断精度偏低问题,提出基于信息融合的故障诊断模型和故障诊断方法。该方法分别用BP神经网络和模糊综合评判对轨道电路进行故障诊断,然后将这2种方法的诊断结果作为D-S证据理论的证据体,利用神经网络输出和模糊综合评判输出来构造D-S证据理论中的概率分配,最后利用D-S证据理论将BP神经网络和模糊综合评判对轨道电路的故障诊断结果在决策级进行融合,诊断轨道电路是否有故障并判断故障的模式。仿真结果表明:该诊断方法具有较高的故障诊断精度,诊断结论的可信度有明显提高。     

基于故障分类的机车故障诊断方法

针对机车故障定位困难的问题,提出将机车故障分为独立变量、伴随性及真值表型故障的分类诊断方法。根据业务知识及聚类算法对故障进行分类,依据历史数据及业务知识查找故障特征变量及其逻辑关系并建立故障关系表,最后建立故障模型,读取实时故障特征变量状态,定位异常变量。应用结果表明:将故障分类后,通过查找异常变量的方法可缩小故障范围,提高故障定位效率。     

基于GSUIO的故障检测方法及其应用研究

基于最近在未知输入观测器研究中取得的成果，提出了一种利用通用结构未知输入观测器（GSUIO）的故障检测方法。该方法利用广义逆{1}，设计出一个全阶通用结构未知输入观测器，使其残差对未知输入不敏感，而对故障敏感，通过一个简单阈值逻辑来检测故障。将其应用于摆式列车倾摆控制系统执行机构和部件的故障检测，通过计算机仿真证明了该方法的有效性，为将来在摆式列车中运用提供了理论依据。     

基于小波变换的传感器故障检测技术研究

介绍了小波变换的基本理论及小波技术用于传感器故障检测的基本原理，给出了传感器故障检测方法，仿真实例证明了这一技术的有效性。     

基于HMM在电机故障诊断上的研究

提出一种基于隐马尔可夫模型的方法用于故障的诊断与检测,该方法采用HMM与模式识别相结合的方法,通过对电机的电压电流信号进行特征提取和分析,构建电压电流空间模型,并且每个模型可以作为一级,每一级可以提高其判断的准确度,而HMM模型用做一个故障分类器来使用,相比于自适应模糊推理方法（MLFF）和多层前馈网络法（ANFIS）,其准度有了很大提高,并且减少了计算。通过对不同故障诊断实例阐述了基于HMM的故障诊断方法的有效性和可行性。     

基于YOLO v4的铁道侵限障碍物检测方法研究

铁路侵限异物的自动检测是未来实现铁路智能化的重要组成部分。由于随机的侵限行为可能导致严重的行车后果,研究可以实现连续检测列车运行前方区域状况的技术,是保障列车出行安全的现实需求。针对传统侵限异物检测方法检测类别单一和时效性差的不足,提出一种基于YOLO v4检测网络的侵限异物检测模型。在锚框(anchor)的选择上,通过对K-means算法聚类中心的选取方法进行改进,用欧式距离度量替换随机选择的方法,从而获得更具代表的anchor尺寸;在YOLO v4网络的基础上,通过在骨干网络和特征融合网络之间加入压缩和激励模块,在不增加检测时间的同时提升了检测效果;在侵限检测模型的训练方面,使用公共数据集和自制异物侵限数据联合训练的方式提高了模型的泛化能力。在侵限异物测试集上对训练好的模型进行测试,结果表明：该方法对常见异物的平均检测精度达到90.2%,检测速度为53 fps,与Faster R-CNN相比检测精度相差较少的情况下,检测精度有大幅提升。改进的检测模型达到了预期设计目标,可以为铁路侵限异物检测智能化的研究提供参考。     

基于数据融合的动车组健康状态评估

中国动车组以其高速、舒适、便捷,受到越来越多的旅客的青睐,高铁客流量逐年增多。在有限的动车组保有量的情况下,动车组运营压力也越来越大。如何在动车组高频率运用的情况下保证动车组运行安全已成为一个重要的研究课题。本文从数据角度出发,采用数据融合的方法进行实时在线动车组健康状态评估研究。对动车组运用特征和现有监测数据现状进行分析,选择特征特征向量,然后数据融合,得出动车组健康指数。经验证,健康指数可以实时反映动车组健康状态,对动车组运行安全保障具有实际意义。