基于深度学习的电液式道岔转辙机故障诊断研究

发布时间：2023-11-11 09:21

　　转辙机作为铁路信号基础设备之一,其安全稳定可靠运行对于保证铁路安全运输起着重要的意义。目前对转辙机维护大多基于规定进行周期性检查和维修,在一定程度上降低了故障发生的可能性,但人工长期对同类型设备检查会产生视觉疲劳,不考虑设备实际运行状态的周期性检查会极大增加人工劳动量,频繁的开关箱操作极有可能因为电务工作人员操作不当造成原本能正常运行的设备变得无法正常运行。转辙机动作电流曲线能反映转辙机运行状态,获取微机监测系统中转辙机动作原始数据,分析统计常见转辙机故障类型,基于转辙机原始数据类型及深度学习模型适用范围的基础上,建立转辙机故障诊断模型,通过对模型结构的不断优化调整,使得对转辙机故障分类具有更高准确率,基于模型建立故障诊断系统,验证其实际应用的可行性。本文以当前我国铁路使用较多的ZYJ7型电液式道岔转辙机为研究对象,基于转辙机动作电流为时间序列以及LSTMs对时序数据处理的优势,建立四种基于LSTMs的故障诊断模型,获取四种模型故障分类效果并对模型优化,采用基于均匀分布采样的方法对模型隐层层数及节点个数进行优化,比较分析不同优化算法对模型故障分类准确率影响,采用基于对数空间搜索方法对学...

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 道岔转辙机故障诊断研究现状
        1.2.2 深度学习的发展及其在故障诊断中的研究现状
    1.3 论文的主要内容
第2章 电液式道岔转辙机分析及故障诊断模型选择
    2.1 ZYJ7 型电液式道岔转辙机分析
        2.1.1 ZYJ7 型电液式道岔转辙机组成结构
        2.1.2 ZYJ7 型电液式道岔转辙机电路分析
        2.1.3 ZYJ7 型电液式道岔转辙机动作曲线分析
    2.2 深度学习模型分析
    2.3 ZYJ7 型电液式道岔转辙机故障诊断模型选择
    2.4 本章小结
第3章 基于LSTMs的 ZYJ7 型电液式道岔转辙机故障诊断模型设计
    3.1 LSTMs网络模型与算法分析
        3.1.1 LSTMs网络模型输入输出
        3.1.2 LSTMs模型内部结构及算法分析
    3.2 LSTMs网络组合结构
    3.3 数据预处理
        3.3.1 样本集说明
        3.3.2 基于PCA-LDA的数据降噪降维处理
    3.4 基于LSTMs的 ZYJ7 型电液式道岔转辙机故障诊断模型设计
        3.4.1 基于LSTMs的故障诊断模型结构设计
        3.4.2 模型结构输入输出数据格式分析
        3.4.3 模型结构算法流程
        3.4.4 超参数设置
    3.5 本章小结
第4章 基于LSTMs的电液式道岔转辙机故障诊断研究
    4.1 初始超参数设置
    4.2 初始超参数下故障诊断研究
    4.3 网络模型结构超参数优化
        4.3.1 基于均匀分布采样的隐层节点个数及细胞层数优化
        4.3.2 优化函数选择
        4.3.3 基于对数空间搜索的学习率优化
        4.3.4 基于ROC的优化后模型性能比较
        4.3.5 与其他故障诊断方法比较
    4.4 融合Attention机制的Multi-Bi-LSTMs故障诊断研究
        4.4.1 Attention机制模型构建
        4.4.2 融合Attention机制的Multi-Bi-LSTMs故障诊断
    4.5 本章小结
第5章 融合Attention机制的Multi-Bi-LSTMs故障诊断系统设计与实现
    5.1 软件架构设计
    5.2 软件功能模块设计
    5.3 软件功能模块实现
        5.3.1 软件开发环境
        5.3.2 软件功能模块实现
    5.4 系统功能测试
    5.5 本章小结
结论与展望
致谢
参考文献
攻读硕士学位期间发表的论文及科研成果



本文编号：3862360