基于相似度的道岔故障電流曲線識別方法研究與實(shí)現(xiàn).pdf

1、隨著我國鐵路的不斷發(fā)展，特別是高速鐵路運(yùn)營里程屢創(chuàng)新高，對鐵路信號設(shè)備的安全運(yùn)行提出了更高的要求。道岔作為鐵路信號的主要設(shè)備之一，對保證行車安全具有重要意義，而目前各鐵路局主要依靠維護(hù)工人的工作經(jīng)驗(yàn)采取周期維護(hù)的方式對其進(jìn)行維護(hù)。但是，并非所有的維護(hù)人員都有足夠的工作經(jīng)驗(yàn)來準(zhǔn)確判斷故障并進(jìn)行維護(hù)；同時，周期修的維護(hù)方式并不能保證及時發(fā)現(xiàn)道岔故障和隱患。這些都會影響到鐵路的運(yùn)輸效率甚至是安全性。為了解決這些問題，在實(shí)時掌握道岔的運(yùn)行狀態(tài)和

2、各種數(shù)據(jù)的基礎(chǔ)上，研究能夠識別和診斷道岔故障的方法，為維護(hù)人員提供具體的幫助，以保證道岔故障報(bào)警實(shí)時性，同時促進(jìn)道岔周期修的岔維修模式向狀態(tài)修模式轉(zhuǎn)變。
　　本文在對比國內(nèi)外研究現(xiàn)狀的基礎(chǔ)上，研究了道岔的工作原理和故障模式，特別是對轉(zhuǎn)轍機(jī)動作電流的規(guī)律性變化進(jìn)行研究與總結(jié)，通過對比正常道岔動作電流和道岔故障時的動作電流之間的差異，以相似性為判斷依據(jù)，采用模糊神經(jīng)網(wǎng)絡(luò)算法和支持向量機(jī)算法分別實(shí)現(xiàn)道岔的故障診斷，結(jié)果表明，兩種方法都能

3、對道岔故障進(jìn)行智能識別，而且識別率都能達(dá)到較高的水平；但是，相比而言，基于支持向量機(jī)的道岔故障識別方法性能更好，對故障的識別率更高。
　　論文主要完成以下工作：
　　首先，根據(jù)道岔設(shè)備的基本結(jié)構(gòu)與工作原理，將道岔動作過程劃分為解鎖、轉(zhuǎn)換、鎖閉、構(gòu)通表示四個工作過程，并根據(jù)道岔的四個工作過程將道岔轉(zhuǎn)轍機(jī)動作電流曲線劃分為四個時間區(qū)段，然后在各個時間區(qū)段內(nèi)分別選擇典型道岔故障分析它們各自的故障電流曲線和可能的故障原因。
　

4、　其次，提出了基于模糊神經(jīng)網(wǎng)絡(luò)的道岔故障診斷方法。首先對道岔轉(zhuǎn)轍機(jī)動作電流數(shù)據(jù)進(jìn)行預(yù)處理，構(gòu)成道岔故障診斷模型的訓(xùn)練樣本和測試樣本；然后構(gòu)建模糊神經(jīng)網(wǎng)絡(luò)模型；用訓(xùn)練樣本對模型進(jìn)行訓(xùn)練后，將測試樣本輸入測試模型診斷的正確率，從仿真結(jié)果可以得出結(jié)論：此種方法能夠?qū)Φ啦韺?shí)現(xiàn)故障診斷，而且診斷正確率較高。
　　第三，將機(jī)器學(xué)習(xí)用于道岔故障診斷進(jìn)行研究，提出基于支持向量機(jī)的道岔故障診斷方法。首先對支持向量機(jī)的基本理論進(jìn)行闡述，并分析各種核函