基于神經(jīng)網(wǎng)絡(luò)的鐵路道岔故障智能診斷研究.pdf

1、鐵路道岔故障智能診斷研究的核心在于如何有效地獲取、分析、處理和利用道岔啟動電路和表示電路的有效特征數(shù)據(jù)信息及故障原因信息，對道岔故障數(shù)據(jù)實現(xiàn)準(zhǔn)確的分類。其研究瓶頸之處在于道岔典型故障數(shù)據(jù)獲取及分析方面的制約，通過對現(xiàn)場實際發(fā)生故障進(jìn)行采集分類、利用試驗基地總結(jié)典型故障并分類，有效的解決了道岔典型故障數(shù)據(jù)獲取和分析過程中出現(xiàn)的問題。對于道岔型號繁多、故障發(fā)生原因不確定、故障曲線表現(xiàn)復(fù)雜多樣的道岔故障特征信息而言，建立故障特征向量與故障原因

2、的映射關(guān)系和道岔故障智能診斷模型也是本文的難點(diǎn)。基于此,本文采用有效的數(shù)據(jù)整理技術(shù)和特征向量提取方法、故障特征向量與故障原因?qū)?yīng)規(guī)則的設(shè)定及智能診斷模型參數(shù)的學(xué)習(xí)，解決道岔故障智能診斷過程中遇到的難點(diǎn)問題。
　　本文在不改變現(xiàn)有信號設(shè)備的聯(lián)鎖電路的情況下，同時保證不增加大量監(jiān)測設(shè)備的原則上，在利用現(xiàn)有鐵路信號監(jiān)測設(shè)備的基礎(chǔ)上，根據(jù)微機(jī)監(jiān)測系統(tǒng)提供的道岔故障時數(shù)據(jù)進(jìn)行道岔故障智能診斷研究。論文研究的主要工作及成果如下：
　　1

3、．分析了實際工作中道岔故障診斷的現(xiàn)狀和存在問題，提出了故障智能診斷的實際需求?？偨Y(jié)了常見故障診斷方法不足之處，并結(jié)合上述需求引入了基于神經(jīng)網(wǎng)絡(luò)道岔故障智能診斷。
　　2．詳細(xì)分析了ZD6型道岔和提速道岔機(jī)械原理和電路原理，結(jié)合實際工作中微機(jī)監(jiān)測系統(tǒng)采集原理和現(xiàn)場實際情況，分析、歸納了ZD6型道岔和提速道岔的典型故障動作電流曲線，為鐵路道岔啟動電路故障智能診斷奠定了基礎(chǔ)。
　　3．在分析ZD6型道岔故障時的動作電流曲線基礎(chǔ)上，

4、提出了三種提取道岔動作電流曲線特征向量的方法，再根據(jù)動作電流曲線的特征向量，提出了基于神經(jīng)網(wǎng)絡(luò)的ZD6型道岔啟動電路故障智能診斷算法。最后，對ZD6型道岔啟動電路歷史實際故障進(jìn)行離線測試，測試結(jié)果與實際故障相一致，進(jìn)一步證明了所選ZD6型道岔啟動電路故障特征向量和基于神經(jīng)網(wǎng)絡(luò)道岔啟動電路故障智能診斷的有效性。
　　4．在分析提速道岔故障時的動作電流曲線基礎(chǔ)上，提出了兩種提取提速道岔動作電流曲線特征向量的方法，再根據(jù)動作電流曲線的特

5、征向量，提出了基于神經(jīng)網(wǎng)絡(luò)提速道岔啟動電路故障智能診斷算法。最后，對提速道岔啟動電路歷史實際故障進(jìn)行離線測試，測試結(jié)果與實際故障相一致，進(jìn)一步證明了所選提速道岔啟動電路故障特征向量和基于神經(jīng)網(wǎng)絡(luò)道岔啟動電路故障智能診斷的有效性。
　　5．分析了ZD6型道岔和提速道岔表示電路故障時的電壓曲線，提取了道岔表示電壓曲線的特征向量，提出了基于神經(jīng)網(wǎng)絡(luò)的ZD6型道岔和提速道岔表示電路故障智能診斷算法，對歷史實際故障數(shù)據(jù)進(jìn)行離線測試，測試結(jié)果