论文部分内容阅读
随着我国铁路的快速发展，对铁路信号设备的安全性和可靠性提出了更高的要求。道岔是铁路信号设备的关键组成部分，其故障是造成铁路重大事故的主要原因之一。现有基于定期排查和工作人员分析微机监测系统信息的故障预测及诊断方式，效率低、工作量大且可靠性不高，已无法满足现有高速铁路对运行安全和效率的要求。
故障预测技术不仅可以保障列车运行安全，提高列车运行效率，还可以减少维修工作量和维修费用。本文提出了基于道岔动作电流曲线的故障预测及识别方法，预测未来时刻道岔动作曲线并识别曲线类型，从而在故障发生前获知故障类型并对道岔进行检修，主要研究内容包括以下三个方面。
(1)构建道岔动作模型，模拟道岔不同状态下的动作电流曲线及长时间运行的曲线变化，为道岔故障预测提供理论支撑，为道岔故障诊断提供数据支持。首先从道岔基本结构和形式入手，抓住道岔动作原理的本质，简化现场道岔转换时的机械结构，采用Simulink仿真工具中的各模块搭建道岔动作模型。进而根据模型仿真出道岔正常动作电流曲线、长时间运行的电流曲线及6种道岔常见故障电流曲线。长时间运行曲线说明基于电流曲线的道岔故障预测方法理论上的可行性，6种道岔故障电流曲线的模拟表明构建的道岔动作模型可为道岔故障识别方法提供大量曲线数据。
(2)提出基于道岔动作电流曲线的故障预测方法。结合道岔动作电流曲线可直观反映道岔状态的特点，提出基于道岔动作电流曲线的预测，采用自回归滑动平均模型、支持向量机、人工神经网络的方法，预测11个道岔未来时刻的动作电流曲线，利用5种指标评价3种方法的预测效果。分析表明，对于文中所述的道岔状态，自回归滑动平均模型性能略优于支持向量机和人工神经网络。
(3)提出基于道岔动作电流曲线的故障识别方法，为精准预测道岔故障类别提供参考。在已预测出的道岔动作电流曲线基础上，结合卷积神经网络和动态时间规整算法，识别预测电流曲线和其他故障曲线类型，明确道岔故障类别。结果表明，基于本文数据，卷积神经网络和动态时间规整算法的故障识别准确率达到100%，可高效准确的识别曲线类型。
本文提出的道岔系统故障预测方法，在理论上阐述了基于道岔动作曲线的故障预测的可行性，快速准确的预测未来道岔故障类别，为完善微机监测系统中预测及诊断功能奠定一定的基础，为优化维修策略提供切实有效的建议。
故障预测技术不仅可以保障列车运行安全，提高列车运行效率，还可以减少维修工作量和维修费用。本文提出了基于道岔动作电流曲线的故障预测及识别方法，预测未来时刻道岔动作曲线并识别曲线类型，从而在故障发生前获知故障类型并对道岔进行检修，主要研究内容包括以下三个方面。
(1)构建道岔动作模型，模拟道岔不同状态下的动作电流曲线及长时间运行的曲线变化，为道岔故障预测提供理论支撑，为道岔故障诊断提供数据支持。首先从道岔基本结构和形式入手，抓住道岔动作原理的本质，简化现场道岔转换时的机械结构，采用Simulink仿真工具中的各模块搭建道岔动作模型。进而根据模型仿真出道岔正常动作电流曲线、长时间运行的电流曲线及6种道岔常见故障电流曲线。长时间运行曲线说明基于电流曲线的道岔故障预测方法理论上的可行性，6种道岔故障电流曲线的模拟表明构建的道岔动作模型可为道岔故障识别方法提供大量曲线数据。
(2)提出基于道岔动作电流曲线的故障预测方法。结合道岔动作电流曲线可直观反映道岔状态的特点，提出基于道岔动作电流曲线的预测，采用自回归滑动平均模型、支持向量机、人工神经网络的方法，预测11个道岔未来时刻的动作电流曲线，利用5种指标评价3种方法的预测效果。分析表明，对于文中所述的道岔状态，自回归滑动平均模型性能略优于支持向量机和人工神经网络。
(3)提出基于道岔动作电流曲线的故障识别方法，为精准预测道岔故障类别提供参考。在已预测出的道岔动作电流曲线基础上，结合卷积神经网络和动态时间规整算法，识别预测电流曲线和其他故障曲线类型，明确道岔故障类别。结果表明，基于本文数据，卷积神经网络和动态时间规整算法的故障识别准确率达到100%，可高效准确的识别曲线类型。
本文提出的道岔系统故障预测方法，在理论上阐述了基于道岔动作曲线的故障预测的可行性，快速准确的预测未来道岔故障类别，为完善微机监测系统中预测及诊断功能奠定一定的基础，为优化维修策略提供切实有效的建议。