基于DCNN-SVM的道岔智能故障诊断方法研究 |
| |
引用本文: | 何晖,代萌,李雪,陶维杰.基于DCNN-SVM的道岔智能故障诊断方法研究[J].铁道学报,2023(9):103-113. |
| |
作者姓名: | 何晖 代萌 李雪 陶维杰 |
| |
作者单位: | 1. 北京交通大学轨道交通控制与安全国家重点实验室;2. 中国铁路济南局集团有限公司;3. 山东交通学院 |
| |
基金项目: | 国家自然科学基金(62073024);;北京市自然科学基金(L201006); |
| |
摘 要: | 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。
|
关 键 词: | 转辙机 相似度 深度卷积神经网络 迁移学习 支持向量机 |
|
|