论文部分内容阅读
随着我国铁路的飞速发展，信号微机监测系统逐渐成为铁路运输安全的重要帮手，其能够及时有效地定位故障，具有十分重要的意义。 如今我国的微机监测系统基本能够实时监测和记录铁路信号设备的运行状态，并为事故分析提供科学依据。但是信号设备一旦出现故障，系统中没有一个集中的模块去实现状态监测和诊断故障功能，这显然不能满足现代铁路的提速要求。因此，结合铁路信号设备的工作原理和故障特性，如何采用先进的诊断技术与方法，给信号设备故障的诊断和处理提供科学的决策，对于保证列车运行安全和效率具有重大的现实意义。 本文对微机监测系统的常见问题和处理方法进行了介绍，分析了该系统的结构和原理，针对微机监测系统的监测对象，引入专家系统方法和人工神经网络方法主要对6502电气集中电路的继电器设备和道岔设备进行故障诊断。本文主要有两部分的工作: 一、根据6502电气集中电路的故障机理以及电路中继电器设备在某一时刻状态的明确性，设计了微机监测系统开关量的故障诊断专家系统。在深入分析了专家知识的获取、分类、表示和存储方式的基础上构建了开关量的故障诊断知识库。针对6502电气集中电路的故障机理，提出了基于规则和案例的混合推理策略，并对各种方法进行了深入探讨。 二、鉴于铁路信号设备模拟量故障知识的非线性和非数学表示的性质，采用传统编程方式很难解决该类问题。因此，将异类时间序列的数据挖掘算法和人工神经网络引入故障诊断技术中，采用神经网络中最经典的BP网络，建立了基于神经网络的模拟量故障诊断模型，对该网络的结构进行了设计，并对诊断过程及原理进行了分析。利用其非线性和自学习能力及其在故障诊断领域的诸多优势，实现以神经网络为基础的微机监测系统模拟量故障诊断功能。