原文传递
基于SOM神经网络的无绝缘轨道电路调谐区故障诊断研究
| 论文题名： | 基于SOM神经网络的无绝缘轨道电路调谐区故障诊断研究 |
| 关键词： | 无绝缘轨道电路;调谐区;SOM神经网络;故障诊断 |
| 摘要： | 近年来，随着我国高速铁路建设事业的不断发展，列车行车安全及运行效率越来越受到人们的重视。无绝缘轨道电路被广泛应用于我国铁路信号系统中，调谐区是其重要组成部分，通常设置在相邻轨道电路之间，针对不同频率的轨道电路信号呈现出不同的谐振特性，从而实现控制信号传输范围、避免轨道电路间信号越区传输的目的。调谐区故障会直接影响列车运行控制系统，列车行车安全将受到严重的影响，同时降低列车运行效率。因此，有效提取调谐区故障信号，显得尤为重要。 首先，在分路条件下，建立无绝缘轨道电路正常状态及调谐区故障状态的四端网模型，利用分布参数法推导出相应的模型参数。再根据四端网理论，建立无绝缘轨道电路不同状态下的四端网模型，并求解出分路电流幅值包络函数表达式。 其次，依据建立的模型，设置仿真条件，分别对无绝缘轨道电路正常状态、调谐区、及其他因素故障状态下的分路电流幅值包络进行仿真。通过分析不同因素对分路电流幅值包络的影响，得到相应的变化规律。随后分别利用EMD(Empirical Mode Decom-position，经验模态分解)、EEMD(Empirical Mode Decomposition，总体经验模态分解)及CEEMD（Complementary Ensemble Empirical Mode Decomposition，补充总体平均经验模态分解）方法分解分路电流幅值包络并求相应特征向量。结果表明:CEEMD方法抑制了EMD和EEMD引起的模态混叠和残留噪声现象，提高了运算效率，能够有效提取无绝缘轨道电路调谐区故障特征。 最后，根据调谐区与分路电流幅值包络线之间的规律提出基于SOM(Self-OrganizingMaps，自组织特征映射)神经网络的无绝缘轨道电路调谐区故障诊断方法。构建SOM神经网络，利用前文中提取的特征向量将其一部分作为训练数据用于SOM神经网络的训练，剩余部分作为测试数据，用于SOM神经网络的校验，对调谐区进行单一故障和叠加故障的识别和分类，进而完成故障诊断。 利用现场实际数据对本文方法进行验证，一方面，验证本文建立的无绝缘轨道电路分路电流幅值包络模型的准确度;另一方面，证明本文方法能够有效诊断调谐区故障。利用调谐区同一故障数据将本文方法与改进的BP神经网络方法进行比较，结果表明:本文方法较改进的BP神经网络对调谐区故障诊断的效率更高、更准确。 |
| 作者： | 张玉 |
| 专业： | 交通运输工程 |
| 导师： | 张友鹏;王铁峰 |
| 授予学位： | 硕士 |
| 授予学位单位： | 兰州交通大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
