论文部分内容阅读
铁路道岔系统控制着列车的行驶方向,其健康状态直接影响着列车行车安全。当道岔发生故障时,能够及时发现并识别出故障类型对于保障列车行车安全具有重要意义。目前,提高道岔的安全性主要依靠相关技术人员观察微机监测系统所采集的电流或功率曲线来判断道岔的健康状态。这种人工主导的诊断方式效率低下,并且诊断准确性主要依赖于技术人员的工作经验和专业知识掌握程度,导致故障误报、漏报频发,且严重浪费人力物力。针对上述问题,本文基于监测电流曲线提出了道岔故障快速检测和诊断方法,主要工作如下:(1)不论何种原因导致道岔发生故障,故障电流曲线必然会偏离正常电流曲线。鉴于此,通过分析正常、待检电流曲线间的相似度提出基于曲线相似度的道岔故障快速检测方法。首先,利用同一道岔的历史电流曲线,提出基于众数和中位数的正常模板电流曲线生成方法,使得正常模板电流曲线能够根据道岔自身的阶段性差异进行更新,进而提高方法的自适应能力;其次,根据电流曲线在解锁、转换和锁闭三个阶段斜率变化不同,利用斜率能量特征将其划分三个区段;然后,引入FastDTW将每个区段的模板曲线与待检曲线在时域内伸缩规整对齐后计算规整路径距离(曲线相似度);最后,通过实验搜索得到最佳的相似度阈值,利用相似度阈值来判定道岔是否发生故障。实验结果表明,所提出方法具有较高的准确性和较快的检测速度。(2)针对道岔6种典型故障模式,提出基于FS-WKNN的道岔典型故障诊断方法。首先,分别利用离散小波变换和统计参数对电流曲线进行两阶段融合特征提取;然后,利用Fisher特征选择方法将每种故障模式特征分别与正常模式进行Fisher Score计算,选择出对于后续分类贡献度大的特征;最后,利用每种故障模式与正常模式计算得到的Fisher Score作为特征权值,提出一种基于类别特征加权的K最临近算法(FS-WKNN),以FS-WKNN作为不同道岔模式的分类器实现故障诊断。实验结果表明,FS-WKNN能够有效提升诊断精度,平均诊断准确率达到90.47%。