论文部分内容阅读
道岔作为铁路线路连接的关键设备,一旦发生故障,轻则影响行车效率,重则危及行车安全,导致列车脱轨。长期以来,我国对铁路道岔设备的维修方式主要采用周期维修,这种维修方式容易造成维修过剩和维修不足,还采用定期对监测数据进行浏览分析的方式实现“状态修”,这种“状态修”模式需要耗费工作人员巨大的精力,而且还可能造成漏检。因此本论文的目的是采用自动化检测的方法减轻工作人员的劳动强度,提高劳动效率。本文采用功率数据对道岔动作过程中牵引点受力状态进行异常检测。在对长沙电务段道岔实际功率数据进行分析发现,其中存在的主要问题是实际数据中正常样本居多,异常样本偏少。本文提出用支持向量域描述算法(SVDD)对道岔进行异常检测建模,解决实际正常样本居多的异常检测问题;提出两类样本的带间隔支持向量域描述算法(2C-SVDD)提高模型的鲁棒性;提出基于网格蚁群的参数优化方法寻找算法的最优参数模型;采用基于在线学习的支持向量域描述的算法(OSVDD)对缺乏历史数据的道岔进行建模。本文主要完成的工作如下:(1)本文通过对ZYJ7型液压道岔转辙机的动作过程进行分析,找出道岔运行过程牵引力产生异常的主要原因并将道岔功率曲线分成五个阶段;通过对道岔的控制电路和功率采集原理进行分析,确定建立道岔异常检测模型所需要的数据。(2)本文提出搭建道岔异常检测系统的整体方法,详细介绍SVDD、2C-SVDD和OSVDD算法的原理。采用主成分分析(PCA)对提取的时域特征进行降维,采用网格蚁群算法的参数优化方法寻找模型的最优参数和最优的输入维度。经过实验验证,当将特征向量降到2维时,模型准确率最高。通过实验表明2C-SVDD性能优于SVDD算法,OSVDD算法的性能优于SVDD算法。(3)本文提出道岔异常检测系统仿真软件的总体设计原则和框架,采用UML对软件进行模块化设计,绘制软件的类图和用例图。然后对各个模块的具体功能进行设计,如用户管理模块,界面显示模块和数据库管理模块。最后采用C#语言完成软件编程。最后本文利用长沙电务段道岔的实际数据对异常检测系统进行测试,道岔的解锁、转换和锁闭三个阶段的异常检测准确率都超过97%,说明该异常检测方法具有良好的性能,满足维护部门的需求。图43幅,表10个,参考文献70篇。