基于数据挖掘的道岔故障预测方法研究

发布时间：2021-03-15 20:38

　　中国铁路的迅速发展对铁路信号设备的维护提出了更高的要求,列车通过道岔实现不同的进路转换,因此道岔作为铁路信号系统里重要的信号基础设备之一,在发生故障后将严重影响行车安全和运行效率。目前在铁路现场中,主要是通过信号集中监测系统对道岔设备实时监测,包括转辙机的动作电流、电压和功率数据等,近年来部分车站中的信号集中监测系统还包括道岔中缺口的监测。在道岔发生故障后,主要依靠有经验的维护人员在现场对道岔故障做出判断。为减少道岔故障,研究重点是对道岔的状态进行预测。在道岔未发生故障时,提前掌握道岔的运行状态,并根据模型预测道岔故障,对道岔实行提前维护。在此基础上,本文利用深度学习的方法,将卷积神经网络（CNN）与门控循环单元（GRU）结合,实现道岔的状态预测。通过对道岔的非故障功率数据进行信息挖掘分析,利用Mini Batch K-Means和谱聚类算法实现,将道岔非故障数据分类。综合欧式距离、Pearson相关系数和弗雷歇距离三种方法,建立新的评估指标挖掘道岔正常、故障与非故障之间的关联。最后利用卷积神经网络自动提取道岔动作功率曲线的特征,并和门控循环单元连接在一起,建立道岔的状态预测模型,从而... 

【文章来源】：兰州交通大学甘肃省

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

道岔正常动作功率曲线

道岔DBQ特性不良功率曲线

道岔卡缺口功率曲线

【参考文献】：
期刊论文
[1]和谐型电力机车故障诊断专家系统构建与应用[J]. 李豫.  铁道标准设计. 2020(06)
[2]铁路信号设备故障检修决策支持系统实现分析[J]. 马建文.  科技创新与应用. 2020(03)
[3]航空故障诊断与健康管理技术研究[J]. 王博,仲维彬.  现代导航. 2019(06)
[4]基于弗雷歇距离的道岔故障诊断方法[J]. 黄世泽,陈威,张帆,董德存.  同济大学学报(自然科学版). 2018(12)
[5]基于隐马尔科夫模型的道岔故障诊断方法[J]. 许庆阳,刘中田,赵会兵.  铁道学报. 2018(08)
[6]粗糙集和决策树方法在微机监测中的应用研究[J]. 张华,魏文军.  科技信息. 2011(13)
[7]特征选择方法综述[J]. 王娟,慈林林,姚康泽.  计算机工程与科学. 2005(12)
[8]铁路车站信号设备故障诊断专家系统的研究[J]. 王书强,匡兴杰,张喜.  铁路计算机应用. 2005(01)

博士论文
[1]铁路道岔健康状态评估与预测方法研究[D]. 钟志旺.北京交通大学 2019

硕士论文
[1]基于深度森林的高速铁路道岔故障诊断研究[D]. 张志哲.北京交通大学 2019
[2]基于神经网络的道岔故障预测和诊断[D]. 侯大山.北京交通大学 2019
[3]基于半监督增量学习的高速铁路道岔故障诊断[D]. 单国超.西南交通大学 2019
[4]基于机器学习的道岔转辙设备故障智能诊断研究[D]. 胡启正.中国铁道科学研究院 2019
[5]基于大数据技术的电量分析和预测研究[D]. 罗皓.东南大学 2019
[6]基于振动信号分析的断路器机械故障模式识别研究[D]. 丁其.华北电力大学 2019
[7]铁路信号集中监测智能综合分析系统研究与实现[D]. 李洪朋.兰州交通大学 2018
[8]基于决策树算法的电气集中电路故障诊断分析与研究[D]. 马得银.兰州交通大学 2017
[9]基于文本数据的铁路道岔故障预测[D]. 王广.北京交通大学 2017
[10]基于核方法的高速铁路道岔故障诊断[D]. 程宇佳.北京交通大学 2016



本文编号：3084783