随着铁路运营与建设的飞速发展,铁路设备也呈相应倍数的增加,并且伴随着铁路的速度提升,对设备安全可靠的要求也越来越高,随之产生的日常维护成本大大增加,道岔转辙机作为铁路中重要的基础设备,也是在维修维护中需要消耗大量精力的关键设备。健康管理这项技术在铁路领域尚处于初级阶段,但是已在其他领域中得到广泛应用并取得成效。如果能准确掌握道岔转辙机的健康状态,根据其状态构建出退化模型,就可以针对退化模型进行针对性预测性地维修维护,从而减少各项成本,提高铁路运行的效率与安全。针对上述可能,本文对健康管理中的关键技术之一退化模型的构建在道岔转辙机这一领域内进行了深入研究,实现了基于神经网络的道岔转辙机退化模型构建方法,并且搭建了道岔转辙机测试平台,通过平台收集道岔转辙机数据结合实地数据完成了方法的验证。本文以ZD6转辙机为研究对象,首先研究了退化模型的构建方法以及对可能用到的数据进行预处理的各种算法,并在学习了神经网络的各种模型之后,使用公开数据集进行了方法的尝试与验证,最终提出了使用堆叠降噪自动编码机结合自组织映射神经网络的方法构建了道岔转辙机的退化模型,并且在退化模型构建完毕的基础上通过间接预测的方法使用长短时记忆神经网络进行了剩余寿命预测,得出的结果符合预期,为退化模型在道岔转辙机领域的研究与应用提出了一种可能。其次,在提出方法的基础上,依托转辙机设备,设计并实现了实验室环境下的道岔转辙机测试与实验平台,首先对转辙机的关键部件进行介绍,并对平台所需功能进行了分析。平台在逻辑上可分成上位机子系统、单片机子系统和转辙机设备,本文详细论述了平台各个组成部分的软硬件设计原理与实现方法,并成功完成了系统的设计目标。构建出一个可以通过上位机对单片机进行控制从而实现对转辙机的间接控制,并且通过各项传感器可以对转辙机运行时的电压,电流等各项参数进行采集,并通过单片机传输给上位机进行存储的测试平台,从而为完成进一步的研究工作提供支持。最后在平台与提出方法的基础上进行了测试与实验,完成了对道岔转辙机的退化模型构建,并通过退化模型和长短时记忆神经网络完成了对其的剩余寿命预测,进行了方法验证。综上所述,本文基于神经网络技术,在道岔转辙机这一领域,首先完成了道岔转辙机退化模型方法的提出与验证,并详细说明了测试平台的设计原理与实现方法,本文的研究成果无论是方法还是测试平台都可以为后续的研究提供有力支持。图32幅,参考文献72篇