一种间接的测量交流道岔阻力的方法

三相电动转辙机牵引的道岔,在道岔动作过程中道岔阻力变量(转换力)是道岔转换的主要数据参数,道岔阻力的变量是维护道岔的主要依据,直接测试道岔阻力参数很难实现。道岔在动作时,三相电动转辙机的转换功率的变化和道岔转换阻力成正比。TJWX-2006版信号集中监测,完成道岔功率的测试并画出功率曲线,根据电动转辙机输出功率,可以计算出道岔的转换阻力,电动转辙机输出功率曲线和道岔动作全过程的道岔阻力曲线形状一样,三相电动转辙机的输出功率的变量,就是道岔转换过程中阻力的变量。     

ZD6型转辙机动作电流曲线分析

道岔动作电流曲线是道岔动作过程中,牵引点转辙机电流变化情况的直观图形表示.通过对某个道岔动作电流曲线的查询与分析,可以判断该道岔转换设备的运用状态,及时发现和消除影响设备正常使用的隐患,最大限度地减少道岔故障的发生.     

道岔动作电流监测曲线分析

道岔是地铁最重要的行车设备之一。道岔动作电流及功率曲线是反映道岔运用质量的一个重要指标。通过对道岔动作电流的实时监测,能直接测量出电动转辙机的启动电流、工作电流、故障电流、动作功率及动作时间,并以此描绘出道岔动作电流曲线。日常微机监测数据调看时,应对每组道岔的动作电流曲线作详细调看。对照参考曲线进行对比、分析,以便随时掌握道岔的电气特性、时间特性和机械特性,从而发现转换过程中的不良反应。这对预防故障发生、消除不良隐患及故障应急抢险有着不可替代的作用。     

交流电动转辙机的功率监测

2006型微机监测系统增加了提速道岔转辙机功率监测项目,实现了对S700K等三相交流道岔转辙机有功功率的监测。分析交流转辙机动作功率曲线,就能准确判断转辙机的工作状态,一旦发现超负荷运转的转辙机可立即进行整治。     

交流液压道岔动作电流曲线异常案例分析

针对采用ZYJ7电液转辙机两点牵引道岔出现的动作电流曲线异常问题,从ZYJ7电液转辙机动作原理、三相交流电动机特性和续操电路进行分析,找出动作电流曲线异常的原因,提出养护维修对续操电路检查试验的方法,确保道岔转换设备的可靠运用.     

CTS2轨枕式转辙机道岔电流曲线分析

阐述了CTS2转辙机的动作原理,通过对CTS2与ZD6型转辙机转换过程的比较,分析了CTS2道岔动作电流曲线的特点及在道岔维护和故障分析中的应用。     

TDLJ-01铁路道岔转换阻力监测系统的应用

铁路第六次大面积提速对电务设备尤其是提速道岔设备的运用质量,提出了更高的要求。提速道岔投入使用以来,其转辙机的解锁力、转换力、锁闭力,以及道岔转换过程中的阻力,在日常养护工作中无法进行实时监测。TDLJ-01铁路道岔转换阻力监测系统可对提速道岔转辙机的转换力实时监测。通过设置参考曲线,该系统直观地反映阻力的变化趋势,预知道岔动作状态发生的变化,提前发现道岔的卡阻点或将要产生的故障点,储存记录道岔转换阻力曲线,并通过电务微机监测网络自动给出预/报警信息,为维修人员提供道岔运用状态信息,加快道岔设备计划修向状态修(预防修)的步伐,提高道岔设备维护的有效性、科学性。     

城市轨道交通ZDJ9型转辙机健康管理系统研究

根据城市轨道交通对ZDJ9型转辙机维护的需求,提出了一套基于案例推理技术的ZDJ9转辙机故障诊断方法.首先描述案例推理技术在道岔故障维护诊断方面的优势,然后重点介绍了运用该方法构建的分析模型,最后通过现场试验验证,证明了该系统能够有效判断ZDJ9型转辙机健康状况的有效性和可行性,为信号设备实现状态修提供了检修依据.     

基于BP神经网络的转辙机故障检测方法

为提高城市轨道交通中ZDJ9型转辙机故障维修效率,提出基于反向传播（BP,Back Propagation）神经网络的转辙机故障检测方法。文章深入分析转辙机动作电流采集原理及现场转辙机转换过程中不同阶段电流曲线特征,确定故障电流曲线种类;对转辙机转换过程中动作电流曲线进行小波分解与重构,对重构后的曲线进行关键特征值提取,将其作为基于BP神经网络的故障检测模型训练数据,最终经过8 000次迭代训练后,故障检测模型的故障检测准确率达到96%,表明该方法能够有效检测转辙机故障及其故障类型。     

基于功率曲线时域特征和变分模态分解的S700K转辙机运行状态诊断算法

根据S700K转辙机动作功率曲线非线性、非平稳、能充分反映转辙机不同状态信息的特点,提出基于功率曲线时域特征和变分模态分解、排列熵和模糊聚类分析的S700K转辙机全周期状态诊断算法。获取典型功率曲线,计算其有效值、峰值因子和峭度因子作为时域特征值,用于描述功率曲线能量特征、冲击特性及概率密度;为弥补曲线类型中时域特征值差异不明显的特征表征,采用变分模态分解将功率曲线分解成具有不同频率特性的模态函数,计算不同模态函数的排列熵得到4个频域特征值;将时、频域共计7个特征值作为运行状态特征集,使用模糊聚类算法对特征集进行运行状态诊断,得到S700K转辙机的运行状态（正常、亚健康、故障和严重故障）。实例应用结果表明：对选取的60组曲线,本文算法诊断正确率为98.33%;故障库为30条曲线时,程序运行时间不超过1.3 s;采用该算法,无须对模型进行训练,便能准确有效地诊断S700K转辙机运行状态,适合S700K转辙机样本少的特点。