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PLSA和SVM的道岔故障特征提取与诊断方法研究

铁路局和电务段长期以来保留的道岔故障记录是非常宝贵的数据,对道岔故障类型统计、故障特征分析、故障诊断和故障预测有非常好的参考作用,但这些数据往往保存格式多样,难以直接利用。本文提出基于主题模型PLSA和支持向量机SVM的道岔设备故障特征提取与诊断方法。通过分词算法将故障文档表达在词项特征空间中;采用主题模型算法提取主题特征,并将故障文档表达在主题特征空间上;以SVM算法构造诊断器实现道岔设备的故障诊断。利用中国铁路广州局集团有限公司道岔故障记录的真实数据,对提出的算法有效性进行验证。实验表明,提出的算法能有效实现道岔设备故障诊断,对现场维护有一定的指导意义。     

基于Doc2vec-LightGBM的CBTC车载信号设备故障分类诊断方法

车载信号设备是城市轨道交通信号系统的重要组成部分,其运营过程中会产生海量离散化、片段化的日志文本数据。目前,CBTC车载设备故障记录文本仍存在语义不明确、词语冗余的问题,从而造成故障致因溯源难,针对此,提出一种基于Doc2vec-LightGBM的CBTC车载设备故障自动分类诊断方法。首先对故障文本使用Jieba完成文本分词,依据TF-IDF实现分词文本数据的特征提取,并采用Doc2vec训练文本分词向量;其次针对数据不均衡的问题,采用Borderline-SMOTE算法进行少数类文本向量数据的补全泛化;最后,通过训练轻量梯度提升机LightGBM分类器完成故障文本自动分类。采用某信号厂商所记录的1 133条故障文本数据进行分类实验分析,并与支持向量机(SVM)方法对比。实验结果表明,所提方法在分类精确率、召回率上分别为98.2%、97.5%,证明了该故障文本自动分类方法的有效性和优越性。     

一种基于文本挖掘的铁路基础设施设备风险隐患识别模型

提出一种基于文本挖掘的铁路基础设施设备风险隐患识别模型,该模型采用基于层叠隐马尔科夫的分词算法对长文本形式的设备质量问题数据进行分词处理,在此基础上,统计每类词出现的频度,识别铁路基础设施设备管理风险隐患,利用词云图可视化技术,对分析结果进行直观、清晰地展示。作者选取了兰州铁路局2012年1月~2016年4月期间4 662条工务、电务和供电专业的铁路基础设施设备质量问题数据,验证了模型的有效性。     

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。     

高速铁路道岔异构数据在Hbase上的云存储方案

实现健康预测管理（PHM）可以提高信号设备的运行安全性、系统可靠性和可维修性，道岔设备的数据对其PHM的研究有重要意义。目前，高速铁路道岔监测数据存储架构难以满足PHM海量异构历史数据存储问题，结合道岔监控数据以及道岔缺口监测图像等异构数据，引入大数据技术中的Hbase非结构化数据存储理念，提出高速铁路道岔设备海量异构数据的云存储及查询管理方案。针对图像数据尺寸不一致的问题，提出基于MapReduce的优化图像分块存储算法，实现高速铁路道岔异构数据的Hbase云存储，在实验室环境搭建平台对方案进行验证。结果表明:从MySQL到Hbase迁移10 GB历史数据约为15 min，在数量到达20万条以上时Hbase查询性能优于MySQL。通过MapReduce优化图像数据分块算法，存储速度得到提升。该方案对高速铁路道岔设备PHM中海量异构数据的存储提供了理论和技术支撑。     

铁路贯通地线故障报警系统的研发

高速铁路和普速铁路设备中采用的铜质贯通地线发生丢失或损坏后,若不能及时发现,可引发烧毁信号设备甚至火灾以及危害作业人员人身安全等事故.因此现场急需研发贯通地线故障报警系统,为维修人员快速处理贯通地线故障提供有效办法,同时为减少故障延时、保证列车运行安全创造良好环境.     

文本大数据分析技术在铁路行车安全领域的应用研究

保障铁路行车安全是铁路工作的重点,通过铁路事故调查报告等文本数据对事故原因进行分析,是提高铁路行车安全的重要手段之一。但由于铁路系统存在海量的非结构化事故故障文本数据,难以进行有效检索和分析,因此提出铁路行车安全领域文本大数据分析总体框架,包括文本数据从集成、存储到处理、计算,再到检索、分析及应用的全部流程,并对基于铁路领域文本数据的全文检索、特征提取等文本大数据分析关键技术进行研究。最后以某铁路局集团公司的事故故障追踪报告为样本,进行事故故障报告的全文检索、故障词云展示及关联性分析,取得了良好效果。     

基于BMBC模型的高速铁路道岔故障信息实体识别

随着铁路信号设备故障文本的不断积累,亟待构建集故障信息、专业知识、技术规则及其内在关联于一体的铁路信号设备故障知识图谱,为铁路运营及设备维修提供全面高效的辅助策略。故障信息实体识别是构建铁路信号设备故障知识图谱的核心。以高速道岔故障文本为基础,并针对此文本挖掘过程中使用传统方法导致知识获取不够全面以及文本语义稀疏等问题,提出一种用于高速道岔故障信息实体识别任务的BMBC多层级模型。首先,通过分析高速道岔故障文本的结构特征,从中提取出故障现象、故障定位和故障致因等7类实体;其次,利用BERT预训练模型的迁移特性构建双向词表征并嵌入位置信息,引入多头注意力机制(MHA)使关键特征信息得到重点关注,随后依靠双向长短期记忆网络(BiLSTM)进行特征信息融合,从而充分获取全局语义信息以及更好表达序列间的长距离依赖关系;最后,依托条件随机场(CRF)赋予标签约束条件,从而获得最佳识别结果。以各铁路局近5年的高速铁路道岔故障文本为基础进行实验,实验结果表明,BMBC模型能够精确识别各类故障信息实体,有效缓解实体边界不清晰问题,模型识别精确率、召回率和F1值分别可达91.43%,93.15%和92....     

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。     

道岔工电结合部问题的差异化描述和技术标准分析

道岔是铁路工务、电务专业联系最频繁、结合最紧密的重要基础设备.道岔工电结合部是道岔设备问题和故障多发的薄弱环节,是工务、电务专业联合整治的重点.但由于工务、电务现场人员对结合部问题的理解和描述存在差异,有关专业技术标准也不完全一致,影响了双方的沟通甚至造成分歧.本文遵循现行技术规章,以普速铁路道岔设备为示例,从工务、电务2个专业分别对结合部问题展开描述,并进行技术标准分析,以求达成一致或找到最大公约数,同时给出整治建议.     

我国高速铁路通信信号设备服役状态趋势研究

研究表明,我国高速铁路通信信号设备故障发生情况与开通时间的关系,与浴盆曲线的早期故障期和偶然故障期的形状极为相似,有浴盆曲线趋势。为了准确描述高速铁路电务系统通信信号设备服役状态的趋势,建立通信信号设备服役状态趋势的浴盆曲线模型。首先对典型线路的故障数据进行处理;然后建立基于典型线路的浴盆曲线模型,并采用极大似然法进行参数估计;最后对通信信号设备浴盆曲线的非浴盆化进行探索分析。对我国高速铁路通信信号设备浴盆曲线的研究,有利于根据运行阶段分析影响因素,对设备元器件作出相应的维修决策,以保证高速铁路通信信号设备高效运行。     

国家铁路局修订发布《铁路道岔设备生产企业审批实施细则》

<正>国家铁路局近日发布施行《铁路牵引供电设备生产企业审批实施细则》,同时废止原铁道部2005年发布的《铁路道岔产品生产企业认定细则》。与原细则相比,新细则中的铁路道岔设备目录进一步精简为整组道岔、尖轨、基本轨、辙叉和护轨5种。为满足我国高速铁路发展对高速铁路道岔的生产需求,保障高速铁路运行安全,新细则补充完善了对高速铁路道岔设备生产企业的特别规定,明确了高速铁路道岔适用的规格类型及执行标     

基于不平衡文本数据挖掘的铁路信号设备故障智能分类

针对铁路信号设备不平衡故障文本数据,提出基于文本挖掘的铁路信号设备故障智能分类模型。采用TF-IDF模型实现电务信号设备故障文本的特征提取并转换为向量,基于Voting的方式实现多分类器集成学习分类。该模型利用SVM-SMOTE算法对TF-IDF转换后的小类别文本向量数据进行随机生成,采用逻辑回归、朴素贝叶斯、SVM等基分类器和GBDT、随机森林集成分类器对平衡后的数据进行分类,考虑不同分类器的适用特点,通过Voting方式进行多分类器集成学习。通过对某铁路局2012—2016年铁路信号设备故障文本数据进行试验分析,表明该模型可使故障分类的准确率、召回率和F-score均得到显著提升。     

基于数据建模的高速铁路供电故障指数计算方法

高速铁路牵引供电系统是典型的复杂机电系统,对其故障进行定量描述和评估有助于研究故障发生的时间和空间规律、影响因素和故障原因。我国高速铁路经过10多年的运营实践,供电专业已经积累了大量而详细的故障数据,主要包括故障发生时间、发生地点、影响范围、故障原因和故障情况的详细描述等内容。采用文本分析、特征提取、时空聚类分析、影响分析和原因分析等手段对故障记录原始数据进行分析处理。在分析故障发生的时间和空间规律、影响因素和故障原因后,以分析结果作为输入数据,基于数据建模技术研究一种高速铁路供电专业故障指数的计算方法,计算结果可以定量描述故障发生的整体趋势,为研究故障发生的规律提供参考借鉴。     

多源地理信息数据在高速铁路运营管理中的应用研究

通过机载LiDAR数据和遥感数据建立高速铁路沿线三维地形,同时结合地面激光扫描数据、无人机航测数据、野外调绘数据,对高速铁路重要设施设备进行精细三维建模,通过顾及语义信息实现模型在三维GIS平台中高效索引和集成,并与管理单位后台台账数据库进行一一对应,实现铁路路基、桥梁、隧道、道岔、接触网、防洪备料点等固定设施设备可视化管理和查询,并且在平台中集成铁路重点设施设备上的监控设备和监测数据,对高速铁路灾害进行预警预报,确保高速铁路安全运营。     

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。     

基于地源热泵的高速道岔融雪系统设计研究

道岔融雪系统对于铁路列车运行安全和效率具有重要意义。针对目前我国铁路线路普遍安装使用的电加热道岔融雪设备存在的缺陷和不足,提出一种新型的基于地源热泵技术的高速铁路道岔融雪系统。该系统是将地源热泵和铁路道岔融雪相结合的一种更节能、环保、有效的用能方式。通过对道岔融雪耗能和热流体传热基本性能的分析研究,提出系统设计的常规方法,为铁路道岔融雪新技术的研究与应用提供新思路。     

基于双滑块机构的GW-SH型道岔外锁闭装置研究

高速铁路道岔转换设备自上道运用以来,现场使用情况总体良好,但仍会发生由于尖轨伸缩量较大导致的外锁闭装置转换卡阻、部分零部件磨耗量较大和维护工作量较多等问题。为进一步提升高速铁路道岔转换设备适应性及可靠性,减少现场的维护工作量,提出GW-SH型道岔外锁闭装置的结构方案。该装置采用双滑块机构、弹性辊轮结构和减磨措施,在提升安全性、可靠性的同时,更好的满足高速铁路大号码道岔尖轨较大伸缩量、减少转换卡阻故障以及现场维护工作量等需求。