鐵路道岔系統(tǒng)控制著列車的行駛方向,其健康狀態(tài)直接影響著列車行車安全。當?shù)啦戆l(fā)生故障時,能夠及時發(fā)現(xiàn)并識別出故障類型對于保障列車行車安全具有重要意義。目前,提高道岔的安全性主要依靠相關技術人員觀察微機監(jiān)測系統(tǒng)所采集的電流或功率曲線來判斷道岔的健康狀態(tài)。這種人工主導的診斷方式效率低下,并且診斷準確性主要依賴于技術人員的工作經(jīng)驗和專業(yè)知識掌握程度,導致故障誤報、漏報頻發(fā),且嚴重浪費人力物力。針對上述問題,本文基于監(jiān)測電流曲線提出了道岔故障快速檢測和診斷方法,主要工作如下:（1）不論何種原因?qū)е碌啦戆l(fā)生故障,故障電流曲線必然會偏離正常電流曲線。鑒于此,通過分析正常、待檢電流曲線間的相似度提出基于曲線相似度的道岔故障快速檢測方法。首先,利用同一道岔的歷史電流曲線,提出基于眾數(shù)和中位數(shù)的正常模板電流曲線生成方法,使得正常模板電流曲線能夠根據(jù)道岔自身的階段性差異進行更新,進而提高方法的自適應能力;其次,根據(jù)電流曲線在解鎖、轉換和鎖閉三個階段斜率變化不同,利用斜率能量特征將其劃分三個區(qū)段;然后,引入FastDTW將每個區(qū)段的模板曲線與待檢曲線在時域內(nèi)伸縮規(guī)整對齊后計算規(guī)整路徑距離（曲線相似度）;最后,... 

【文章來源】：西安理工大學陜西省

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【部分圖文】：

中國鐵路營業(yè)里程走勢Figure1-1MileagetrendofrailwaybusinessinChina

西安理工大學工程碩士專業(yè)學位論文8圖2-2正常電流曲線Figure2-2Normalworkingcurrentcurve2.1.2道岔典型故障類型根據(jù)現(xiàn)場調(diào)研數(shù)據(jù)及查閱相關文獻[29–31]，本文總結了我國高速鐵路ZD7型轉轍機道岔系統(tǒng)常見的6種典型故障模式，分別記為f1-f6，圖2-3展示了6種模式下的電流曲線。(a)故障f1(b)故障f2(c)故障f3(d)故障f4

研究基礎9(e)故障f5(f)故障f6圖2-3ZD7型轉轍機道岔系統(tǒng)6種故障電流曲線Figure2-3SixkindsoffaultcurrentcurvesofturnoutsofZD7switchmachine可以看出，不同的故障模式電流曲線有較為明顯的差異。表2-1展示了上述6種典型故障的電流曲線特征描述和可能的故障原因。表2-1ZD7型轉轍機道岔6種故障現(xiàn)象及原因Table2-1SixkindsoffaultphenomenaandcausesofturnoutsofZD7switchmachine故障模式電流曲線特征描述可能的故障原因f1轉換階段及鎖閉階段電流值穩(wěn)定在一個較高水平，一直持續(xù)尖軌與基本軌之間有異物、轉轍機電流過小f2轉換階段異常波動轉轍機碳刷與轉向器接觸不良、轉轍機轉向器有斷格或表面不良、摩擦帶表面不光滑f3鎖閉階段電流曲線出現(xiàn)異常波動電纜盒中二極管器件損壞f4啟動階段電流曲線出現(xiàn)異常波動自動開閉器接點接觸不良導致啟動困難f5鎖閉階段電流值突然升高后回落道岔調(diào)整過緊、滑床板太臟、滑床板缺油、道岔吊板、基本軌橫移f6電流曲線沒有形成拋物線下降趨勢，電流值穩(wěn)定在一個值轉轍機定子、轉子混線2.2曲線相似度理論概述2.2.1曲線相似度度量兩條曲線的相似度一直是一個重要的研究問題，并經(jīng)常出現(xiàn)在不同的應用領域，如語音識別[32,33]、故障檢測與診斷[34–36]、車輛軌跡預測[37]和金融分析[38]等。一條曲線通常由若干個離散采樣點構成，每個離散采樣點都代表某一時刻的屬性值。對于給定的兩條曲線12={,,...,}mSsss、12{,,...}nTttt，S和T分別是具有m和n個實值變量的有序集合，m、n分別為S、T的長度。

【參考文獻】：
期刊論文
[1]列車動力學模型時變環(huán)境參數(shù)自適應辨識[J]. 謝國,金永澤,黑新宏,姬文江,高士根,高橋圣,望月寬.  自動化學報. 2019(12)
[2]Low Speed Bearing Fault Diagnosis Based on EMD-CIIT Histogram Entropy and KFCM Clustering[J]. 張珂,林天然,金霞.  Journal of Shanghai Jiaotong University（Science）. 2019(05)
[3]KNN算法在輿情領域中的應用研究[J]. 鄭偉,王若怡,馬林,李明,王喆.  中國管理信息化. 2019(06)
[4]高速鐵路提速道岔健康管理分析[J]. 張昕.  鐵路通信信號工程技術. 2019(02)
[5]基于專家系統(tǒng)的焊接機器人故障診斷[J]. 張躍東,齊昕,童一飛.  機床與液壓. 2019(01)
[6]基于弗雷歇距離的道岔故障診斷方法[J]. 黃世澤,陳威,張帆,董德存.  同濟大學學報(自然科學版). 2018(12)
[7]基于迭代學習的線性不確定重復系統(tǒng)間歇性故障估計[J]. 馮莉,柴毅,許水清,張可,楊志敏.  自動化學報. 2020(02)
[8]基于隱馬爾科夫模型的道岔故障診斷方法[J]. 許慶陽,劉中田,趙會兵.  鐵道學報. 2018(08)
[9]基于群決策的道岔控制電路故障診斷方法[J]. 董煒,劉明明,王良順,趙輝,辜勛.  自動化學報. 2018(06)
[10]基于雙樹復小波的無參考立體圖像質(zhì)量評價[J]. 顧婷婷,劉新會,桑慶兵,李朝鋒.  計算機工程與應用. 2019(02)

博士論文
[1]基于不確定性理論的機械故障智能診斷方法研究[D]. 楊昌昊.中國科學技術大學 2009

碩士論文
[1]高速列車轉向架故障診斷智能決策方法研究[D]. 穆世恒.西南交通大學 2017
[2]基于DTW和LMNN的多維時間序列相似性分析方法[D]. 沈靜逸.浙江大學 2017
[3]基于核方法的高速鐵路道岔故障診斷[D]. 程宇佳.北京交通大學 2016
[4]基于時間序列相似性的股價趨勢預測研究[D]. 孫建樂.重慶交通大學 2014



本文編號：3458235