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。     

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。     

基于最小二乘支持向量机的轨道电路故障诊断方法

为提高轨道电路故障处理效率和正确率,对轨道电路的多故障诊断方法进行研究。建立基于最小二乘支持向量机的轨道电路故障诊断模型,用某轨道电路实测数据进行训练和测试,选择基于BP神经网络的故障诊断方法进行对比。结果表明:基于最小二乘支持向量机的轨道电路故障诊断方法能有效实现轨道电路5种故障的诊断,且具有更快的运算速度。与BP神经网络故障诊断方法比较,故障诊断正确率提高了17.14%,运算时间减少2/3。     

基于组合决策树的无绝缘轨道电路故障诊断方法研究

针对ZPW-2000A型无绝缘轨道电路故障的随机性及组合复杂性,提出一种基于C4.5组合决策树的故障诊断方法。以C4.5决策树为基本单元构建轨道电路故障诊断组合网络模型,并给出粗糙集属性约简方法为各网络单元简化条件属性,由此提高C4.5训练效率得到诊断规则,逐级压缩诊断范围最终可准确识别14种常见故障模式。仿真测试结果表明,不仅粗分故障范围的测试准确率高于BP神经网络方法,故障模式细分后的诊断准确率也有明显提高。     

基于粗糙集-C4.5的轨道电路故障诊断方法研究

针对轨道电路故障信息存在大量重复样本和冗余属性,提出一种基于粗糙集和C4.5决策树算法相融合的轨道电路故障诊断方法。轨道电路故障特征数据多为连续量,需要根据模糊集理论对故障样本进行模糊化,形成离散决策表。利用粗糙集处理不完备决策表的能力,去除离散决策表的冗余属性得到约简表,结合决策树C4.5算法对约简决策表进行快速训练提取诊断规则,产生的诊断规则清晰、可解释性强,能够直接运用于轨道电路故障诊断中。最后利用模拟数据仿真验证该方法的有效性,与ID3算法和BP神经网络法进行对比,仿真测试表明该方法具有更高的诊断效率和准确率,对实现轨道电路快速鲁棒故障诊断具有一定意义。     

基于遗传算法的无绝缘轨道电路故障综合诊断方法

基于传输线理论提出机车信号感应电压幅值包络仿真模型,利用机车信号感应电压与轨道电路信号电流的线性映射关系,分析补偿电容故障对机车信号感应电压幅值包络的影响规律,给出基于遗传算法的轨道电路故障综合诊断方法。以补偿电容和道砟电阻为决策变量,以实际的和仿真的机车信号感应电压幅值包络间差值的最小化为目标,构造适应度函数,通过对种群个体进行选择、交叉和变异等遗传操作,得到当前状态下各决策变量的最优值,从而实现轨道电路故障的综合诊断。实验表明,将遗传算法引入到轨道电路的故障诊断领域,利用机车信号的实际记录数据,能够对无绝缘轨道电路中多个补偿电容故障以及道砟电阻波动等情况作出正确的综合评判,从而弥补了目前检测方法的不足,为轨道电路的故障诊断提供了新的有效手段。     

基于模糊神经网络的轨道电路故障诊断方法研究

将模糊神经网络FNN(Fuzzy Neural Network)理论引入轨道电路的故障诊断应用中,在对轨道电路的故障原因进行分析的基础上,根据轨道电路的工作原理和故障特点建立了FNN故障诊断模型。模型选定了3个关键部件的电压值作为输入,4种典型的故障作为输出,并根据专家经验总结了9条推理规则。通过对样本数据的学习训练,采用一阶梯度寻优算法对模型参数进行了优化。通过计算机仿真验证,这种用于轨道电路故障诊断的FNN模型是有效的,并具有一定的准确度,为轨道电路的故障诊断提供了良好的方法。     

基于PNN的轨道电路补偿电容故障检测研究

为及时有效地诊断轨道电路补偿电容故障,通过研究ZPW-2000轨道电路短路电流数据,提出了一种基于概率神经网络的故障诊断方法。首先,仿真机车短路电流信号并提取特征参数;然后,引入概率神经网络建立故障诊断模型;最后,通过对特征参数分析,实现故障判定。仿真结果表明:该方法相比误差反向传播算法BP,具有诊断速度快、预测准确率高的优点,具有可行性与有效性。     

ZPW-2000A轨道电路智能故障诊断算法应用研究

提出一种基于模糊推理的轨道电路智能故障诊断算法,通过对ZPW-2000A轨道电路监测子系统实时采集的信息进行智能分析,实时故障诊断,该诊断算法对于诊断轨道电路模拟元件的短路、开路等硬故障有较好的效果。在ZPW-2000A轨道电路监测子系统平台进行了工程化实现,在现场真实环境下,进行多种故障的测试,测试结果达到预期效果。     

简谈客专ZPW-2000A轨道电路故障诊断技术的发展

如何及时掌握客专轨道电路的运行质量,对故障情况做出及时诊断并预警,避免设备故障影响行车,是目前电务维护的重点工作之一,并受到了相关厂家及研究机构的重视。对目前已有的客专轨道电路故障诊断技术进行介绍,分析当前轨道电路故障诊断工作中存在的问题,并对未来故障诊断技术的发展方向进行探讨。     

ZPW-2000A轨道电路智能故障诊断算法应用研究简

提出一种基于模糊推理的轨道电路智能故障诊断算法,通过对ZPW-2000A轨道电路监测子系统实时采集的信息进行智能分析,实时故障诊断,该诊断算法对于诊断轨道电路模拟元件的短路、开路等硬故障有较好的效果.在ZPW-2000A轨道电路监测子系统平台进行了工程化实现,在现场真实环境下,进行多种故障的测试,测试结果达到预期效果.     

基于FTA与改进神经网络的轨道电路红光带诊断方法

以ZPW-2000无绝缘移频轨道电路红光带故障为研究对象,针对其故障的多样性与复杂性,提出一种基于故障树分析(FTA)与改进BP神经网络相结合的轨道电路智能故障诊断方法。根据轨道电路组成与故障关系建立故障树进行FTA定性分析,分析故障成因并提取故障诊断规则,确定诊断模型的输入输出,构建两个BP神经子网以并联方式联接组成诊断模型,采用LM算法和遗传算法对模型参数进行调整。通过仿真分析,表明该方法可行有效,为轨道电路智能故障诊断提供一种新思路。     

基于HHT、DBWT的无绝缘轨道电路补偿电容故障诊断

通过基于传输线理论的无绝缘轨道电路分路状态仿真模型,分析补偿电容断线故障对轨道短路电流的影响规律,利用机车信号感应电压包络与轨道电路短路电流的关系,提出基于机车信号记录信息的补偿电容故障诊断方法。该方法采用B样条离散二进小波变换对机车信号所记录的感应电压幅度包络信号进行降噪,再通过对Hilbert-Huang变换的改进,计算各IMF分量经逐级累加后的相位信息,最后利用相位卷绕,根据相位信息中突变点的分布变化和补偿电容状态的对应关系,实现对补偿电容的故障诊断。实验表明,该方法适应性较强,受轨道电路长度和道砟电阻等轨道参数影响很小,能够准确检测出轨道电路单一补偿电容的故障位置,并且由于该方法的分析数据直接来自于机车信号自身的记录器,不需要额外增加硬件和单独安排运行交路,因此能够降低检测成本和满足对检测及时性等方面的要求。     

蝙蝠算法优化模糊神经网络的25Hz相敏轨道电路故障诊断研究

针对传统25Hz相敏轨道电路故障诊断网络求解时收敛速度慢、诊断精度不高的问题,提出智能蝙蝠算法(BA)与模糊逻辑理论(FS)、神经网络(NN)相融合的BA-FNN模型,优化网络参数,对25Hz相敏轨道电路进行故障诊断。考虑到轨道电路特征参数的不确定性、模糊性,运用模糊逻辑理论对轨道电路特征参数进行模糊化预处理;为了克服传统的BP算法存在易陷入局部极小点和速度收敛慢等问题,引入蝙蝠算法,模拟蝙蝠的飞行过程对模糊BP网络的相关参数进行优化;建立最优BA-FNN模型用于网络诊断。仿真结果表明,相对于GA-FNN、PSO-FNN比较算法模型,BA-FNN模型不仅学习训练次数明显减少,训练时间缩短,且寻优精度较高,可有效提高25Hz相敏轨道电路故障诊断的精度。     

贝叶斯网络在ZPW-2000K无绝缘轨道电路故障诊断中的应用

考虑到ZPW-2000K无绝缘轨道电路故障的复杂性和不确定性,提出一种基于贝叶斯网络的故障诊断方法。在充分利用先验知识和现场数据的基础上,通过融合专家知识和SEM算法得到最优的贝叶斯网络结构。最后采用成渝高铁故障数据对基于贝叶斯网络的故障诊断模型进行验证,测试结果表明该模型的精确性和实用性。     

基于深度学习的无绝缘轨道电路故障诊断研究

针对无绝缘轨道电路故障的复杂性及随机性,提出一种基于深度学习的故障诊断方法。根据无绝缘轨道电路的结构,选取12个电压电流监测量作为故障数据特征集。运用深度信念网络的无监督学习对故障数据进行训练,得到最优参数值并提取出故障数据高层的分布式特征。选择BPNN作为分类器,以无监督学习输出的参数作为BPNN的初始值,完成反向调优,实现轨道电路的15种故障分类。利用ZPW-2000A无绝缘轨道电路数据对模型进行了多次实验分析,仿真结果表明,该模型的分类准确度可达95.34%,验证了此方法的有效性。     

地铁车辆转向架轴承故障诊断方法研究

地铁车辆转向架轴承状态对车辆的安全运行至关重要。现有地铁车辆转向架轴承的监测与诊断存在智能化程度低、准确性差等不足。针对此不足,对地铁车辆转向架轴承故障模型进行推导,提出一种地铁车辆转向架轴承故障智能诊断方法。该方法根据转向架轴承径向振动加速度信号,采用小波包-包络分析和故障识别搜索算法,诊断轴承故障及故障类型。为了验证所提出方法的有效性,设计并搭建了轴承故障诊断试验台,基于此试验台对广州地铁车辆转向架故障轴承进行了测试。试验结果表明:所提出的转向架轴承故障诊断方法能够准确识别轴承故障,为地铁车辆转向架轴承故障诊断的自动化、智能化提供了新思路。     

基于模糊穴映射方法的牵引变压器全局故障诊断

针对基于DGA的牵引变压器故障诊断方法中的不足,提出一种基于模糊穴映射方法的牵引变压器全局故障诊断方法。此方法在DGA分析基础上,增加了组件电阻、电流等多种故障信息,通过DGA与模糊穴映射方法的融合,实现牵引变压器故障的全局诊断。试验结果表明：这种方法对于牵引变压器全局故障诊断而言,可以更好地分析各类故障产生原因,明确有效输入与故障特征类型,避免单一特征数据集对牵引变压器故障诊断的局限性,具备可行性、高准确率。     

ZPW-2000轨道电路的多轮对动态分路建模研究

针对现有ZPW-2000轨道电路单轮对分路模型难以反映列车真实分路情况的问题,提出一种轨道电路多轮对动态分路建模方法。根据实际列车分路情况下轮对与补偿电容和轨道区段的相对位置关系,分别推导出轮对间和收发端间的传输矩阵,最终建立列车由驶入至出清轨道电路区间的轨道电路多轮对动态分路模型。在ZPW-2000型轨道电路实验台上测取钢轨的一次参数并进行列车分路实验,将模型仿真数据与列车分路数据进行对比分析,分析多轮对分路模型轮对数量对仿真数据和模型性能的影响。研究结果表明:多轮对分路模型分路轮对数越接近实际分路情况,模型的精确性越高,验证了本文建模思想和模型的正确性。模拟2种常见的轨道电路故障,相对于现有单轮对模型,本文模型能够更好地模拟轨道电路工作情况,可为故障诊断研究提供更高质量的数据支持。     

基于模型诊断和专家系统的牵引变压器故障诊断研究

针对现有专家系统在故障诊断中存在的问题,提出将基于模型诊断的方法应用于牵引变压器故障诊断中.将故障分为潜伏性故障和电气回路故障两类,对于前者,将专家系统和基于模型的诊断方法相结合,充分利用两者的优势对变压器故障进行诊断,并给出具体实现过程;对于后者,直接利用模型诊断的方法,建立以电压、电流为变量的牵引变压器结构和功能的两层抽象模型,利用观测位置的不变性,将诊断分为离线和在线诊断两部分,对牵引变压器故障进行诊断.通过实例仿真获得故障数据并应用模型诊断推理,验证了基于模型诊断的方法应用于牵引变压器故障诊断的可行性和有效性.