原文传递
基于数据驱动的转辙机健康管理关键技术研究
| 论文题名： | 基于数据驱动的转辙机健康管理关键技术研究 |
| 关键词： | 铁路道岔;转辙机;状态监测;故障诊断;智能算法 |
| 摘要： | 随着铁路交通运输的飞速发展，铁路交通运行过程中的安全问题日益凸显，直接影响了铁路运输效率与运营成本。铁路道岔转辙机作为铁路交通中的一种关键设备，其安全状况直接影响着铁路交通能否正常运转。然而，传统的道岔转辙机维护手段存在着诸多问题，无法有效的保障设备的运行安全，寻找有效解决方案已成为迫在眉睫的任务。自上世纪60年代以来，健康管理系统技术在许多工程领域内得到了长足发展，该技术是一种有效的设备健康运维技术，也是实现道岔转辙机高效运维的一条可行之路。本文主要针对道岔转辙机设备健康管理中的状态监测与故障诊断等关键技术进行研究，开发道岔转辙机的健康管理系统软件，从而实现设备智能健康管理。由于道岔转辙机结构较为复杂以及故障出现具有随机性特点，传统的状态监测与故障诊断方式无法有效地应对，故本文针对转辙机设备的状态监测与故障诊断方法采用基于数据驱动式的智能算法，分别对基于AOA-XGBoost的道岔转辙机状态监测算法和基于ITD-SDP图像特征的DSCNN道岔转辙机故障诊断算法进行了研究。本文主要的研究工作如下： （1）对道岔转辙机设备状态监测算法展开研究，针对转辙机设备传统状态监测方法的不足，研究了一种基于AOA-XGBoost的道岔转辙机状态监测算法，算法可以有效地利用转辙机转换油压数据的时域、频域特征对设备健康状态进行监测，在设备处于不良状态时，进行及时的预警。算法主要依靠XGBoost模型对设备状态进行判别，同时利用阿基米德优化算法对XGBoost模型的超参数进行优化，来提高算法模型的准确率。通过仿真实验表明所研究的方法较其它方法具有更低的误报率和漏报率。 （2）对道岔转辙机设备故障诊断算法展开研究，主要利用ITD-SDP图像特征与基于深度可分离卷积的神经网络（DSCNN）模型实现设备故障诊断。通过仿真实验得出，图像特征能够有效表征道岔转辙机的故障工况，并且DSCNN模型对道岔转辙机四种工作状态的平均诊断准确率达到98.5%，验证了方法的有效性和优越性。 （3）开发了道岔转辙机健康管理系统软件，将本文研究的基于AOA-XGBoost的道岔转辙机状态监测算法和基于ITD-SDP图像特征的DSCNN道岔转辙机故障诊断算法分别应用于系统内的状态监测模块和故障诊断模块，软件经过测试运行，满足道岔转辙机健康运维任务的基本需求。 |
| 作者： | 王智超 |
| 专业： | 计算机技术 |
| 导师： | 杨喜旺;赵永军 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中北大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
