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。     

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。     

基于灰色关联理论的ZYJ7型电液转辙机故障诊断研究

以全主机多点牵引道岔第1牵引点为ZYJ7型转辙机的外锁闭道岔为例,通过分析转辙机动作过程中液压油压力的标准曲线和典型故障曲线,提取特征参数建立特征矩阵,对特征矩阵进行无量纲化处理,建立关联矩阵。对于实际出现的故障,提取特征向量,通过计算与关联矩阵的关联度大小,实现对道岔故障的智能诊断,可提高道岔故障诊断效率,对现场维修维护具有很大的指导意义。     

基于Mallat小波分解与改进GWO-SVM的道岔故障诊断

为顺应道岔故障诊断向智能化和自动化的发展趋势,以S700K转辙机功率曲线为例,提出一种改进型灰狼优化算法(GWO)与支持向量机(SVM)相结合的故障诊断方法。在8种故障模式和正常模式所对应的功率曲线实施5层Mallat小波分解,得到各层近似系数和细节系数,并计算各层系数的平方和;利用主成分分析法对系数平方和组成的向量集进行降维,得到特征向量集;改进型灰狼优化算法优化支持向量机参数,并用优化好的支持向量机进行故障预测。研究结果表明:该方法能有效提高道岔故障诊断的准确率。     

基于改进对抗网络与自适应数据对齐的转辙机故障诊断研究

针对转辙机故障监测数据的非均衡小样本的诊断问题，提出一种基于改进生成对抗网络数据增强的转辙机故障诊断方法。该方法以故障诊断为目标改进ACGAN网络，利用生成器扩充样本分布空间及判别器的辅助分类器学习故障曲线的特征分布模式，以少量样本训练模型实现对常见故障的精确诊断。鉴于转辙机动作电流数据长度不一致，采用自适应压缩实现数据对齐，避免了以往硬填充或硬截断对齐方式对模式特征的破坏，进一步增强了故障诊断性能。最后采用成都地铁四号线的转辙机实际数据进行测试验证并与相关方法对比实验。结果表明，本文方法对转辙机非均衡小样本的数据集具有良好的适用性，其故障诊断AUC指数为0.999,诊断准确率高且实时性好，具有较好的现场应用前景。     

地铁道岔转辙机辅助维修系统的研究开发

针对地铁道岔转辙机设备现场维护及故障处理的特点,研究了转辙机不同维修模式下的故障诊断方法;提出在故障修和预防性维修模式下分别采用故障树和模糊识别技术以提高诊断效率及精度;在转辙机三维仿真及评估系统中集成开发了S700K辅助维修系统,同时运用计算机虚拟现实技术对诊断结果及故障处理方案进行快速搜索和引导,提高了辅助维修系统的准确性和便利性。     

转辙机综合监测的需求及方法研究

由于道岔转换设备的特殊性,其实时运行参数较难获得,制约道岔转换设备维修模式的发展。基于现有传感器技术及转辙机监测需求,结合转辙机安全性及可靠性要求,提出现阶段可实施的转辙机监测项点,并以ZDJ9转辙机为例进行实施,所测得的参数可以作为后续处理的基础数据,用于转辙机的故障预测及健康诊断。     

铁路道岔转辙机故障分析与故障诊断监测系统研究

道岔转辙机频繁工作,作为铁路系统中最为重要的设备之一,其工作状态直接关系到列车的正常运营。目前采用"一周一小修、一月一大修"的模式对道岔转辙机进行维护。该模式效率较低,增加人工成本,无法保证相关设备的实时运行性能,不能对迅速恶化的故障进行及时排查。为解决上述问题,保证铁路系统的安全运营,必须采用相关监测设备对关键部位的数据进行实时采集和跟踪分析,并根据故障特征对设备潜在的故障进行自动识别,从而提前进行设备排查和维护。铁路道岔转辙机故障分析与故障诊断监测系统通过实时监测设备状态信息,进行设备故障临界信息的获取和自动识别,诊断故障的严重程度,及时提醒安排维护维修计划,可减少维修维护工作量,保障列车安全平稳运营,提高运输效率。     

面向高速铁路道岔的隐患分析与故障定位改进

以高铁常用S700K型交流转辙机为例,通过测试道岔动作过程中关键继电器的时序周期,探究造成交流道岔中途停转的深层次原因。提出基于动量BP(Back Propagation)算法的神经网络故障定位的改进方法,并在以往微机监测系统测试的电气参数基础上补充故障样本。对神经网络进行训练并测试,由误差比对结果可知,该方法使得高速铁路道岔智能故障定位更加精确。     

基于DCNN-SVM的道岔智能故障诊断方法研究

针对道岔故障难检测、难分类、时效差等难题，以S700型转辙机道岔为研究对象，提出一种基于DCNN-SVM的道岔故障诊断方法。首先从道岔正常转换曲线和发生故障时的动作曲线入手，总结故障类型、故障原因和故障信号形态特征，并对道岔转换动作曲线进行预处理，即数据统一维度和归一化。然后计算标准电流曲线和功率曲线，根据道岔转换曲线与标准曲线的相似度来识别道岔转换正常和异常。再采用分区时域特征提取和ReliefF特征筛选，选取对故障分类具有明显效果的时域特征，以及根据深度学习算法获取的图像特征，形成有效特征向量空间。最后使用训练集对DCNN-SVM道岔故障诊断算法进行模型训练，并基于诊断模型实现道岔故障的实时诊断。实验表明：在样本数据量足够大的情况下，DCNN-SVM道岔故障诊断方法正确率达99.01%,相比SVM算法提高0.64%,对保障行车安全具有十分重要的作用。     

铁路道岔转辙机安装装置故障分析

针对道岔转辙机安装装置与尖轨连接处的尖端铁出现断裂故障的问题,采用现场测试结合有限元仿真的方法对故障原因进行分析研究.通过对道岔及转辙机安装装置进行三维建模和有限元模态分析,结果表明,道岔及转辙机安装装置系统一阶模态与实测得到的斥离侧基本轨响应频率接近,判断道岔斥离轨的振动响应引起转辙机安装装置共振是造成转辙机安装装置...     

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.     

基于文本分析的高速铁路道岔故障分类模型研究

道岔是保障高速铁路运输安全的关键电务信号设备,研究其故障发生规律对指挥现场人员巡检和维修作业具有重要意义。针对非结构化铁路道岔故障描述的文本数据分类,根据高速铁路道岔故障发生原因和设备结构,结合专家经验进行人工划分,基于实时道岔动作电流或转辙机拉力等结构化数据进行自动分类。提出一种新的基于非结构化历史道岔故障文本描述的文本分类模型,首先应用融合铁路领域词典的中文分词工具Jieba进行分词,并通过Word2Vec和TF-IDF分别生成特征向量,最后应用SVM模型实现铁路道岔故障的智能分类。试验表明,该分类模型可以取得较好的分类结果,为现场作业人员提供一种客观的、基于海量历史数据的故障诊断模型。     

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。     

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。     

基于概率神经网络的S700K转辙机故障诊断方法

转辙机故障对铁路运输安全影响重大。针对转辙机故障原因与现象之间的复杂不确定性关系，提出一种基于概率神经网络的S700K转辙机故障诊断方法。在对转辙机各个状态功率曲线动作原理进行分析的基础上，根据信号不同时域特征参数，对各工作区段的特征进行提取；依据故障现象与故障类型的关系建立概率神经网络模型，以F1-Score作为诊断准确性评价指标，通过测试不同平滑因子对F1-Score值的影响，确定0.019为概率神经网络进行故障诊断最优的平滑因子；最后选择来自某电务段的81组S700K转辙机故障数据作为测试数据，验证了该智能故障诊断方法的可靠性。     

基于改进WNN分析功率曲线的S700K转辙机故障诊断

基于S700K转辙机常见故障下的功率曲线提出一种将小波变换、改进型遗传算法与神经网络相结合的故障诊断方法。用相应故障模式下的功率信号进行正交小波分解,把结果作为神经网络的输入特征向量,利用改进的遗传算法优化BP神经网络的参数,用训练好的BP神经网络进行故障诊断。研究结果表明:该方法可以有效的运用到S700K转辙机的故障诊断中,并提高转辙机故障诊断的精度与速度。     

小波奇异熵改进SOM神经网络在道岔故障诊断中的应用

随着轨道交通技术的快速发展和智能算法的应用,用微机监测和人工处理的方法对道岔进行故障诊断存在效率低、及时性不够、准确性不足等问题,文章用 Meyer 小波分解原始数据,实现特征数据的选择和提取,再计算出相应的小波奇异熵作为神经网络的输入向量,加入训练数据到改进型的 SOM 神经网络中,从而实现对S700K 型转辙机的道岔故障诊断。通过提取 8 种典型的故障类型,在 MATLAB 中建立相应的模型并进行仿真,和目前普遍应用的 K-means 和 FCM 聚类算法进行时间和准确率方面的比较。仿真结果表明,在道岔故障诊断中,基于小波奇异熵和 SOM 神经网络的算法在时间和准确率方面具有明显优势。     

ZDJ9型道岔转辙机故障分析处理

道岔转辙机是信号系统关键设备，对行车安全起着至关重要的作用。转辙机故障造成列车晚点，影响正常行车、客运组织，其故障处理效率直接影响运营效率。以ZDJ9型道岔转辙机故障处理为例，分析监测曲线形成、故障判断方法及处理步骤。     

基于相似度的道岔健康状态评估及故障检测方法研究

针对道岔系统故障诊断需要大量数据且较难获取的情况,提出基于波形相似度的健康状态评估及故障检测算法.使用SURF算法进行特征点预提取,提高计算的实时性;通过Hausdorff距离计算待识别曲线与标准曲线间的相似度,确定健康值及理论故障时间;对于已经处于故障状态的样本,与故障曲线库内模板曲线进行对比,选择匹配度最大的故障模...