原文传递
ZPW-2000A型无绝缘移频轨道电路智能故障诊断方法研究
| 论文题名： | ZPW-2000A型无绝缘移频轨道电路智能故障诊断方法研究 |
| 关键词： | 轨道电路;智能故障诊断;故障树分析;神经网络;遗传算法;支持向量机;改进粒子群算法;经验模态分解 |
| 摘要： | 轨道电路是现代高速铁路信号系统的重要基础设备，是为车载安全计算机提供安全关键信息的核心部件。ZPW-2000A型轨道电路被广泛应用于我国客运专线与高速铁路，常年工作于室外复杂环境，是故障多发设备。轨道电路多采用人工定期的方式进行检修和维护，维护作业人员的现场经验和知识理论基础能直接决定处理故障的正确率和效率。当前迅速定位出轨道电路故障位置，准确诊断故障类型，依旧是待解决的难题。因此，研究针对ZPW-2000A型轨道电路智能故障诊断方法具有重大的现实意义。 据此本文进行深入研究，所做主要工作如下: 第一，以ZPW-2000A轨道电路为分析研究对象，通过分析该型轨道电路组成原理并结合现场实际故障将该型轨道电路故障进行划分;依托西南交通大学自动化实验室对该型轨道电路红光带故障进行实验室模拟;依据均匀传输理论及四端口网络建立单轮对占用轨道电路模型。 第二，选取ZPW-2000A型轨道电路红光带故障为分析对象，针对红光带故障类型多样成因复杂问题，提出一种基于改进BP神经网络结合故障树(FTA)的红光带故障诊断方法。依据该型轨道电路系统构成与现场实际故障关系建立故障树进行FTA定性分析，分析故障成因并提取故障诊断规则，确定诊断模型的输入输出，构建两个BP神经子网以并联方式联接组成诊断模型，采用LM算法和遗传算法调整诊断模型参数。仿真结果证明了该方法可行有效，为轨道电路红光带故障智能诊断提供一种新思路。 第三，针对ZPW-2000A轨道电路分路不良故障，结合车载TCR设备提供的具体数据，根据不同位置故障对TCR感应电压幅值的影响，采用基于经验模态分解(EMD)、模糊熵的方法提取分路不良故障诊断所需的特征参量，通过改进粒子群优化支持向量机的混合算法实现轨道电路分路不良故障诊断。同时与SVM、PSO-SVM、GA-SVM算法对比，进一步验证所提方法的有效性，为分路不良故障诊断提供了新的快速、准确诊断方法。 最后总结本文研究内容，并展望未来研究工作。 |
| 作者： | 王秋实 |
| 专业： | 交通信息工程及控制 |
| 导师： | 王小敏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
