基于神经网络的道岔故障预测和诊断

发布时间：2020-05-16 02:17

【摘要】：近10年,中国铁路迅速发展,铁路运输的强度和密度不断提升,道岔设备是铁路信号系统的基本组成部分,其性能好坏与铁路运输的安全和效率密切相关。铁路现场的道岔设备的维护维修工作主要由工作人员通过查看信号集中监测系统记录的转辙机电流、功率曲线完成,按照经验人工处理故障,效率低下,而且该方法只在道岔故障发生后实施,没能对其日常维护提出指导,不能形成系统的维护维修规划。针对以上问题,本文提出基于神经网络的道岔故障预测和诊断方法。以道岔的缓变故障为研究重点,通过研究正常非故障数据构建退化性能指标,以PSO-ELM神经网络算法为基础搭建道岔缓变故障预测模型,同时,通过分析各类故障数据的特征,以ELM算法为基础搭建道岔故障诊断模型。实现道岔设备故障预测和诊断的智能化并为现场维护维修工作提供理论支持,本文的研究工作如下:(1)道岔设备故障模式分析。学习道岔的工作过程和监测原理,研究道岔功率曲线的形成机理,从道岔功率曲线角度出发,通过历史数据分析和总结道岔故障模式及其形成原因,构建道岔故障样本数据库。(2)数据处理和特征处理研究。采用统计学方法对道岔功率数据进行特征提取,针对各类故障之间数据的不平衡性,使用SMOTE算法进行数据调整,组成特征数据集,引入Fisher线性判别方法和t-SNE算法进行特征降维,得到合适维度的特征数据作为故障诊断模型的输入。(3)道岔缓变故障预测方法研究。针对正常非故障数据,利用特征处理的方法得到退化状态和各类故障模式的联系,确立退化性能候选指标,采用KPCA算法构建退化性能指标及其失效阈值,能够明显表征道岔设备退化状态,最后建立PSO-ELM模型预测退化性能指标变化趋势,对比BP、ELM、SVR模型预测的结果,最终发现当PSO-ELM模型的隐含层神经元数目为30时,预测性能最优。(4)道岔故障诊断研究。针对故障数据,建立t-SNE-ELM神经网络模型进行道岔故障诊断,对比PCA-ELM模型和t-SNE-SVM模型诊断的结果,最终发现当输入维数为5维时,t-SNE-ELM方法识别准确率为95.8%。本文通过对道岔正常和故障功率数据进行研究,针对正常数据进行缓变故障的退化性能指标预测,针对故障数据进行故障定位和识别,从而实现道岔设备的健康管理,为铁路现场的维护维修工作提供理论支持。图52幅,表12个,参考文献72篇。
【图文】：

逦道岔设备工作原理和典型故障分析逦逡逑２道岔设备工作原理和典型故障分析逡逑２．１道岔组成及工作原理逡逑铁路道岔作为铁路联锁的重要设备之一，是引导列车由一股道向另一股道运逡逑行的机械装置。道岔主要由转辙器、连接部分、辙叉及护轨组成。其中，转辙器逡逑则可以通过扳动尖轨使其处于不同的位置以引导列车沿直线路径或者侧线路径行逡逑驶，转辙器由转辙机、两根基本轨、一对尖轨、各种联结零件和根部结构组成；逡逑转辙器实现道岔的定位和反位，引导列车驶向不同方向，转辙机则实现转辙器的逡逑执行功能，其电动机以驱动转辙器的其他部分完成尖轨扳动过程，是转辙器的动逡逑力源。辙叉由心轨、翼轨和联结零件组成，具有不错的冲击幵性和强度，可以保逡逑证列车安全通过，其中可动辙叉利用翼轨密贴和心轨可动的特点来减小有害空间，逡逑有效地避免了车轮的冲击，正广泛应用于高速铁路；护轨控制车轮运动方向，防逡逑止轮缘冲击或爬上心轨尖端，保证行车安全。道岔基本结构如图２－１所示。逡逑

综合道岔的电路控制过程和道岔动作过程，可以将道岔工作划分为三个阶段，逡逑即：（１）启动解锁阶段：断开表示电路进行机械解锁；（２）转换阶段：进行道岔逡逑转换；（３）锁闭阶段：机械锁闭道岔，构通表示电路。图２－２为Ｓ７００Ｋ型转辙机逡逑控制电路。逡逑Ｃｏｂｌｅ邋Ｂｏｘ邋ｈｚ－０４逡逑ｍ．逦＿＿：二一二：二＿＿逡逑ｃ邋辱》３逦本，」逦＾逦￣４邋＾邋Ｐｏｉｎｔ邋Ｍｏｃｈｉｎｅ逡逑ｌ－４逦４－＾＾＾－－ｈｈ逡逑ＳＫｎ逦Ａ邋ｎ逦．１逡逑１＿Ｉ逦＾＾－－ｅ——ｎ逦＿Ｊ逡逑ＢＤｌ－７逦Ｂ｜）逡逑逦？邋ｊ逦Ｊｌ逦Ｈ逦＾邋0邋ｊｌ逦Ｉｆ逡逑逦邋ｎ＊逦ｉ－ｉ逦ｎ－ｉ邋ｈ－ｉ逡逑ｍ邋ｕ邋ａｉ逦咖一ｒｒｖ邋智ｉ邋（咖逡逑逦卜N－N」＊邋——逡逑ｒＫ逦Ｕ邋山逡逑ｍｊ逡逑——ｐ——逡逑图２－２邋Ｓ７００Ｋ转辙机控制电路逡逑Ｆｉｇｕｒｅ邋２－２邋Ｃｏｎｔｒｏｌ邋ｃｉｒｃｕｉｔ邋ｏｆ邋Ｓ７００Ｋ邋ｐｏｉｎｔ邋ｍａｃｈｉｎｅ逡逑２．２邋Ｓ７００Ｋ转辙机的监测与采集逡逑信号集中监测系统记录到的道岔电流曲线可以反映道岔在转换过程中控制电逡逑路的工作状态以及转辙机的运行情况，而道岔转辙机功率则可以反映道岔尖轨扳逡逑动时的推拉力的大小，通过对道岔动作功率曲线进行分析，可以获得道岔转换过逡逑程的整体工作情况，，日常分析中道岔动作功率曲线能整体地反映道岔在转换过程逡逑中的受力和机械性能，对于道岔设备运营维护具有指导作用。逡逑对于Ｓ７００Ｋ型道岔转辙机来说，其信号监测工作是分别采集交流转辙机的电逡逑压和电流、１ＤＱＪ的状态、定位和反位表示状态。电压采集使用高阻加光隔的方法
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP183;U216.425

【参考文献】

相关期刊论文 前9条

1 孙强;岳继光;;基于不确定性的故障预测方法综述[J];控制与决策;2014年05期

2 李业波;李秋红;黄向华;赵永平;;航空发动机传感器故障与部件故障诊断技术[J];北京航空航天大学学报;2013年09期

3 韩冰洁;缑林峰;;基于卡尔曼滤波器组的执行机构故障诊断方法[J];计算机仿真;2013年02期

4 贾庆贤;张迎春;管宇;陈雪芹;;基于解析模型的非线性系统故障诊断方法综述[J];信息与控制;2012年03期

5 吴建军;;基于微机监测曲线判断道岔故障的实践[J];大众科技;2012年04期

6 任玉江;;微机监测系统道岔曲线状态的分析[J];铁道通信信号;2009年07期

7 聂俊岚;张伟;;基于模糊理论的低压开关设备故障预测研究[J];计算机应用研究;2009年01期

8 周桂强;;利用微机监测道岔动作电流曲线指导日常维修[J];铁道运营技术;2006年03期

9 赵翔,李著信,萧德云;故障诊断技术的研究现状与发展趋势[J];机床与液压;2002年04期

相关硕士学位论文 前4条

1 程宇佳;基于核方法的高速铁路道岔故障诊断[D];北京交通大学;2016年

2 刘骄;以可靠性为中心的维修在高速铁路道岔中运用研究[D];中国铁道科学研究院;2014年

3 崔凯;基于支持向量机和极限学习机的管道缺陷分类方法研究[D];东北大学;2014年

4 何攸e

本文编号：2665997