论文部分内容阅读
随着客运专线的大规模开通和速度需求值的逐步提高,运输作业对转辙设备的安全性能提出了更高的要求。高铁因正线侧向道岔过岔速度一般大于80km/h通常设置有18号及以上道岔,此类型道岔为多机牵引道岔。国内研究目前多以单机牵引道岔为主,多机牵引道岔因存在同步转换的问题,故障比较复杂难以被检测,加之目前道岔故障诊断主要依赖信号维修人员的经验与集中监测系统采集的数据为依据,故障诊断耗时长且可靠性较差。这就使多机牵引道岔智能故障诊断方法的研究迫在眉睫。本文以集中监测系统采集到的道岔电流曲线为研究对象,深入探究多机牵引道岔的故障诊断技术,提出了一种基于核Fisher的多机牵引道岔故障诊断技术。结合大量实际案例和道岔控制电路原理,根据道岔电流曲线的区段特征和对行车安全的影响程度总结分析出四种典型道岔故障模式。按照故障诊断的流程,首先,对故障特征进行智能表示。设计出基于时域分析的智能拆分道岔电流曲线的故障特征表示法,这种方法不仅适应不同工况下的道岔,而且能够对道岔电流曲线的特征值进行智能采集,能够高效和低误差的构建道岔故障特征表示集。然后,利用经过核函数优化后的核Fisher分析法对故障特征表示集进行故障特征提取,使数据得到预处理进而达到降维的目的。最后,建立以支持向量机为模型的故障诊断系统对预处理后的特征向量进行故障分类。同时进一步优化核函数,核函数采用具有非线性分类能力较高的复合核函数,并提出一种基于智能算法结合网格搜索法的融合算法参数寻优策略。将优化后的支持向量机模型通过MATLAB软件进行仿真,将经过特征提取的测试集输入经过训练的故障诊断模型中,输出故障分类结果。实验结果表明,核Fisher分析法同其它分析法相比,故障特征分类效果明显,鲁棒性好更能代表原始数据的特征。其次,经过融合算法优化后的参数在故障诊断模型中具有收敛速度快、分类准确率和测试正确率明显提高等优点。总之,采用本文提出的方法对道岔进行故障诊断具有较高的分类精度,故障诊断系统的可靠性、实时性都表现优异,能够适用于现场维修工作。