基于CNN-GRU模型的道岔故障诊断算法研究

道岔作为铁路重要的信号基础设备,在保障铁路安全运行中起到重要作用。基于信号集中监测系统中道岔的故障电流和功率曲线,经过哈尔小波变换后,通过卷积神经网络(CNN)中的卷积层,对故障曲线提取一定维度的道岔故障特征;然后把提取到的故障特征作为门控循环单元(GRU)的输入,从而实现道岔故障诊断;最后将数据集分成训练集和测试集,对模型做训练和验证。实验仿真表明,特征矩阵采用40维输入,迭代75次时,道岔故障诊断准确率达95%,训练时间也优于其他方法。     

基于GST与改进CNN的滚动轴承智能故障诊断

针对滚动轴承传统故障诊断方法需要先验知识以及人工提取特征导致故障识别错误率高的问题,提出一种基于广义S变换(Generalized S transform,GST)和改进卷积神经网络(Convolutional Neural Network,CNN)的滚动轴承智能故障诊断方法。使用GST将一维振动信号转换为特征信息更加丰富的时频图,更加全面提取滚动轴承的故障特征信息。通过加入弹性斜率和高斯分布的神经元噪声,提出改进的激活函数EReLTanh(Elastic Rectified Linear Tanh,EReLTanh),并基于EReLTanh激活函数构建CNN。将得到的时频图进行压缩和归一化处理,生成时频图数据集并划分数据集。利用时频图数据集训练改进CNN,实现滚动轴承的智能故障诊断。使用自制实验平台采集不同种类滚动轴承故障数据,利用t-SNE进行全连接层特征降维可视化,结果表明：使用EReLTanh激活函数的CNN模型能够将不同故障样本的特征进行准确的分类,达到故障识别要求,同时使用该数据利用S变换、小波变换、GST并结合改进CNN和未改进CNN进行对比,提出的方法准确率得到提升。通...     

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。     

铁路桥梁裂缝位置识别与目标检测方法探讨

裂缝是铁路混凝土桥梁累积性破损的早期表现形式。由于裂缝形态的非线性和桥梁结构所处环境的多样性,依靠人工作业的桥梁裂缝检测存在耗时长、主观性大、检测精度不高等问题,已无法满足桥梁状态诊断的需求。传统的裂缝图像处理方法过于依赖算法设计者的经验,易导致检测精度不高。针对上述问题,提出一种基于Detectron平台的目标检测模型,利用模型中卷积神经网络(CNN)对输入图像的光线、扭曲旋转、大小变化等高度适应的优点,从大量裂缝图像中学习裂缝特征,实现对桥梁裂缝位置的识别。采用图像分割法建立图像训练集、验证集及测试集,用特征标定工具为数据集作裂缝位置标签,创建由4个卷积层(Conv),4个池化层(Max-pooling)和1个全连接层(FC)共922,368个参数组成的卷积神经网络(CNN),并将学习率调整为0. 001。验证及测试表明,所提出的基于Detectron平台的目标检测模型在数据多次迭代后具有良好的裂缝位置识别精度。用于模型学习的训练集与验证集上,识别精度最优值分别为92. 64%和88. 98%,未被模型学习的测试集上,识别精度最优值为90. 43%。最后,通过与传统图像处理识别技术的对比分析,阐明模型在特征识别上的优劣性。     

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。     

牵引供电系统故障的基于模型诊断方法研究

针对现有专家系统在牵引供电系统故障诊断中的不足,提出将基于模型诊断(MBD:Model-based Diagnosis)方法应用于牵引供电系统的故障诊断中。用基于模型的方法对接触网、正馈线、母线等牵引供电系统各个组成部分建立以电压、电流量为变量的两层抽象模型。以京津城际永乐段仿真故障为例,详细描述了诊断过程中最小冲突集识别、诊断候选获取以及故障匹配等关键步骤的实现方法,其诊断结果表明基于模型诊断方法能快速诊断出系统故障。同时提出一种测量装置故障时的解决方法,实验结果表明当测量装置故障导致测量数据错误时,诊断系统仍能快速诊断出系统故障。     

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。     

基于门控循环残差网络的滚动轴承故障诊断研究

滚动轴承的运行状态对整体机构的工作状态影响很大，防止因滚动轴承失效而产生的安全事故极为重要。而一维信号只利用卷积神经网络CNN(Convolutional Neural Networks)输出结果时无法充分利用数据间的时序信息的问题，因此，文中结合门控循环单元GRU(Gated Recurrent Unit)在处理时序数据所具有的优势,提出了一种门控循环残差网络结构，将CNN在强大的特征提取的优点与GRU处理时序数据的优点有机结合起来。为了验证算法的有效性，采用凯斯西储大学轴承数据集与齿轮箱轴承台架试验进行轴承故障诊断分析，同时引入常见神经网络作为对比，检验不同模型的分类性能。结果表明，在相同试验条件下相较于卷积神经网络等深度学习网络，文中算法具有更高的故障识别准确度和稳定性。     

基于迁移学习的桥梁表观病害检测技术研究

桥梁表观病害检测是保证桥梁设施安全的关键技术之一。深度卷积网络因其强大的特征提取能力,被广泛应用于土木工程领域的结构病害识别与检测,然而在土木工程领域中往往缺乏用于训练深度学习网络的高质量大规模病害图像数据集。针对上述问题,提出一种基于迁移学习的桥梁表观病害检测方法。该方法运用迁移学习技术,通过迁移VGG16网络模型结构及全部卷积层参数,并在迁移后的模型结构上添加新的全连接层,以此来解决训练数据集不足的问题。运用动态学习率调整策略,以不同的学习率对卷积层和全连接层参数分别进行微调,用于提高模型的识别准确率。实验对比ResNet18,ResNet50,VGG19,VGG16等主流深度学习网络模型,该方法在验证集上取得了最高准确率,为98.86%。用实拍的未经过处理的桥梁表观病害图像数据集进行测试,该方法的整体结构表观病害识别准确率达到88.33%,其中泛碱、露筋和裂缝3类病害的测试准确率分别达到96.25%,80.00%和88.75%,具有较高的病害识别准确率,可以用于在役桥梁表观病害识别。     

ZPW-2000A轨道电路小轨电压异常判断分析

ZPW-2000A轨道电路小轨电压反映调谐区的状态.一是日常出现的波动原因较多,造成现场不容易查找;二是发生故障时,对小轨电压关注分析不够,造成查找故障走弯路.结合现场经验及案例,利用信号集中监测数据及曲线,分析小轨电压波动、异常成因.     

基于DSP和MVB的机车瞬间故障检测记录仪

为了对电力机车上的设备和系统运行状态进行检测和故障诊断,将故障诊断技术与嵌入式技术相结合,设计开发了基于DSP和MVB网络的车载瞬间故障检测记录仪,其主要功能包括机车故障的在线诊断、故障信息的存储及与机车其他网络节点的通信。首先对车载瞬间故障检测记录仪的软硬件设计进行了介绍,并重点分析了数据采集和故障诊断的设计方案及实现。实际运行结果表明,机车瞬间故障检测记录仪性能稳定,集采集存储、故障诊断、状态检测和通信等功能于一体,在电力机车故障诊断和状态检测中发挥了重要作用。     

SS4改进型机车电气故障诊断专家系统

以SS4改进型机车为研究对象,设计系统可以在机车和地面分别进行机车状态监测和专家级故障诊断。该系统采集并存储机车运行状态信号,由故障诊断专家程序对信号进行诊断,并将诊断结果发送到显示屏指导乘务员维护机车安全运行。地面软件可使用拷贝的数据对机车运行状态进行回放,同时进行故障诊断。系统已经成功安装上车,数月运行试验显示工作状况良好。     

CTCS-2级列控车载设备机车信号故障分析探讨

概述CTCS-2级列控车载设备机车信号的工作原理,通过具体案例分析无法接收机车信号信息的原因,详细阐述故障处理的方法,归纳总结故障处置流程。     

基于小波分析的机车走行部故障诊断方法

基于小波变换原理,对机车车辆走行部的振动信号进行时频分析。根据走行部故障振动信号的特点,选用调制高斯函数作为分析小波,处理由损伤冲击造成的信号突变。试验表明,该方法对铁路机车高噪声背景下瞬变信号的描述比以往的时域、频域信号处理技术更为精确,对由单个或多个轴承局部损伤引起的振动信号突变十分敏感,是进行机车走行部故障诊断的一种有效方法。     

机车无线电台管理系统

南宁铁路局机车电台种类较多,实时掌握机车电台运行状态是无线车间乃至通信段的一项重要工作,机车无线管理系统采用Delphi作为开发平台,SQL Server2000作为后台数据管理系统,以机车电台信息管理、故障管理为重点,提高作业人员的工作效率,让各级维护管理人员对每一台机车电台的运行状态实时掌握,并有针对性地做出决策。     

电力机车主变流器故障智能诊断系统

对电力机车主变流器的输出电压波形采用能量分布特征提取方法和优化BP算法,提出了基于小波变换和BP神经网络的主变流器故障智能诊断系统。利用该系统对变流器整流元件的开路故障进行了故障诊断仿真,验证了该智能诊断系统的准确性和有效性。     

内燃机车远程监控平台信息管理系统设计

针对内燃机车远程监控平台海量数据的高效管理，基于B/S架构和C/S架构的技术优势，提出一种基于B/S和C/S架构的内燃机车远程监控平台信息管理系统，介绍监控平台信息管理系统数据库概念模型和逻辑模型设计、物理结构设计以及系统功能模块设计，该系统为车辆远程运行状态的综合监测、质量维护、故障诊断提供有效的数据支撑，为降低车辆安全隐患、维护安全运营提供保障。     

SS3机车电子柜预备及跳主断故障检测装置的研制

通过SS3型电力机车电子柜预备故障和主断故障情况进行统计及原因分析，研制开发电子柜预备故障及跳主断故障检测装置，该装置测量电子柜的各路信号，并与断开主断的各条支路串联，对引发电子柜预备故障相关的电流和脉冲信号、断主断的12路脉冲信号进行实时监测、存储和信息提示，在机车运用和日常维修时发现故障而及时消除机破隐患，并设计地面数据分析系统对相关信号进行故障分析和性能趋势分析。     

基于支持向量机的机车轴承故障诊断方法

通过对机车轴承振动信号的分析处理,提出基于支持向量机(SVM)的故障诊断方法,提取反映轴承运行状态的无量纲系数作为故障的特征向量,并以此作为输入来建立支持向量机分类器,利用SVM网络的智能性来判断机车轴承的工作状态和故障类型.实验结果表明,提出的方法在小样本的情况下仍能准确、有效地对机车轴承的工作状态和故障类型进行分类,实现机车轴承故障的智能诊断.