道岔智能故障診斷

目錄
序
前言
第1章　道岔概述　1
1.1　鐵路系統(tǒng)概況　1
1.1.1　鐵路系統(tǒng)　1
1.1.2　高速鐵路　2
1.1.3　城市軌道交通　4
1.2　道岔　5
1.2.1　道岔的基本概念及重要性　5
1.2.2　道岔的分類　8
1.3　轉(zhuǎn)轍機(jī)　11
1.3.1　轉(zhuǎn)轍機(jī)的基本概念及作用　11
1.3.2　轉(zhuǎn)轍機(jī)的分類　11
1.3.3　直流轉(zhuǎn)轍機(jī)的基本原理　13
1.3.4　交流轉(zhuǎn)轍機(jī)的基本原理　15
第2章　道岔監(jiān)測系統(tǒng)　19
2.1　道岔監(jiān)測的必要性　19
2.1.1　道岔事故　19
2.1.2　道岔監(jiān)測必要性分析　21
2.2　道岔監(jiān)測系統(tǒng)的基本原理　22
2.2.1　道岔監(jiān)測系統(tǒng)的相關(guān)標(biāo)準(zhǔn)規(guī)范　22
2.2.2　道岔監(jiān)測系統(tǒng)的主要結(jié)構(gòu)　23
2.2.3　道岔監(jiān)測系統(tǒng)的主要功能　23
2.3　主要道岔監(jiān)測系統(tǒng)介紹　25
2.3.1　CSM-TD型信號(hào)微機(jī)監(jiān)測系統(tǒng)　25
2.3.2　CSM-HH型信號(hào)集中監(jiān)測系統(tǒng)　33
第3章　道岔動(dòng)作曲線　41
3.1　道岔動(dòng)作曲線的分類　41
3.2　直流轉(zhuǎn)轍機(jī)道岔動(dòng)作電流曲線　41
3.2.1　道岔動(dòng)作電流采集原理　41
3.2.2　單動(dòng)道岔正常動(dòng)作電流曲線分析　42
3.3　交流轉(zhuǎn)轍機(jī)道岔動(dòng)作電流曲線　43
3.3.1　道岔電流采集原理　44
3.3.2　交流轉(zhuǎn)轍機(jī)道岔正常動(dòng)作電流曲線分析　44
3.3.3　道岔動(dòng)作曲線“小尾巴”的形成原理　45
3.3.4　ZYJ7型道岔正常動(dòng)作曲線分析　47
3.4　道岔動(dòng)作功率曲線　47
3.4.1　道岔動(dòng)作功率曲線采樣原理　47
3.4.2　道岔動(dòng)作功率曲線分析　49
3.4.3　S700K型電動(dòng)轉(zhuǎn)轍機(jī)道岔動(dòng)作功率曲線分析　49
第4章　道岔故障模式及故障曲線仿真　52
4.1　道岔故障分類　52
4.2　道岔常見故障分析　52
4.3　道岔動(dòng)作曲線仿真　56
4.3.1　道岔動(dòng)作模型構(gòu)建及參數(shù)設(shè)置　56
4.3.2　基于道岔動(dòng)作模型的動(dòng)作曲線仿真　64
4.3.3　道岔正常動(dòng)作曲線仿真　64
4.3.4　道岔長期運(yùn)行曲線仿真　66
4.3.5　道岔故障曲線仿真　66
第5章　道岔異常曲線識(shí)別　72
5.1　道岔異常曲線識(shí)別總體技術(shù)路線　72
5.2　道岔正常參考曲線的選取方法　73
5.2.1　基于K均值聚類算法的道岔正常參考曲線的選取　73
5.2.2　基于弗雷歇距離的道岔正常參考曲線的選取　75
5.3　相似度的計(jì)算及閾值的確定　78
5.3.1　正常曲線與正常參考曲線之間的相似度計(jì)算　78
5.3.2　相似度閾值的確定　78
5.4　基于相似度的道岔異常曲線識(shí)別舉例　78
5.4.1　正常參考曲線的選取　78
5.4.2　相似度的計(jì)算以及閾值的確定　80
5.4.3　實(shí)例測試　81
第6章　基于距離的道岔故障診斷　83
6.1　典型距離算法　83
6.2　基于距離的道岔故障診斷方法　85
6.3　基于動(dòng)態(tài)時(shí)間規(guī)整的道岔曲線故障診斷實(shí)例　86
6.4　基于弗雷歇距離的道岔曲線故障診斷實(shí)例　89
第7章　基于深度學(xué)習(xí)的道岔故障識(shí)別方法　95
7.1　基于卷積神經(jīng)網(wǎng)絡(luò)的道岔故障識(shí)別方法　95
7.2　卷積神經(jīng)網(wǎng)絡(luò)　96
7.2.1　卷積神經(jīng)網(wǎng)絡(luò)概述　96
7.2.2　卷積神經(jīng)網(wǎng)絡(luò)經(jīng)典網(wǎng)絡(luò)算法　99
7.3　道岔故障診斷模型　100
7.3.1　輸入數(shù)據(jù)預(yù)處理　100
7.3.2　模型訓(xùn)練過程　101
7.3.3　道岔故障診斷模型的驗(yàn)證　103
7.4　基于深度學(xué)習(xí)的道岔故障診斷實(shí)例　104
第8章　道岔曲線模式的自動(dòng)聚類研究　105
8.1　道岔曲線的自動(dòng)聚類方法　105
8.1.1　聚類概念　105
8.1.2　聚類方法分類　105
8.2　FCM聚類算法　106
8.2.1　相關(guān)概念　107
8.2.2　FCM聚類算法的步驟　108
8.3　道岔故障曲線的自動(dòng)聚類實(shí)例　108
8.3.1　數(shù)據(jù)預(yù)處理　109
8.3.2　改進(jìn)的FCM聚類算法　110
8.3.3　案例計(jì)算結(jié)果　110
第9章　道岔動(dòng)作曲線預(yù)測方法　115
9.1　基于道岔曲線特征的預(yù)測方法　115
9.1.1　道岔動(dòng)作曲線采集及代表特征選取　116
9.1.2　基于BP神經(jīng)網(wǎng)絡(luò)的道岔曲線特征預(yù)測方法　116
9.1.3　基于*小二乘法的道岔預(yù)測曲線的擬合　118
9.1.4　道岔預(yù)測曲線的故障診斷　119
9.1.5　基于道岔曲線特征的預(yù)測方法實(shí)例分析　119
9.2　基于曲線點(diǎn)的預(yù)測方法　122
9.2.1　預(yù)測所用數(shù)據(jù)說明及預(yù)測效果評(píng)價(jià)指標(biāo)　122
9.2.2　基于ARMA模型的道岔動(dòng)作曲線預(yù)測方法　124
9.2.3　基于支持向量機(jī)的道岔動(dòng)作曲線預(yù)測方法　131
參考文獻(xiàn)　135