谢旭旭, 戴胜华

(北京交通大学 电子信息工程学院，北京 100044)

轨道电路是列车运行控制系统的重要组成部分，对保证列车安全运行起着重要作用。在我国，铁路区间普遍采用ZPW-2000A无绝缘轨道电路。轨道电路系统构成复杂且工作环境恶劣，是铁路信号系统中的薄弱环节，故障发生概率较高且故障现象存在多样性[1]。目前，现场主要采用定期维护维修方式排查轨道电路隐患，凭借工作人员经验进行故障诊断，此种方式会导致故障处理时间长、效率低；另外，维修人员的劳动强度增大，易出现诊断失误[2]，影响区间列车运行。因此，引入智能诊断算法来辅助现场人员进行故障诊断就变得尤为重要。

近几年来，随着机器学习、智能算法的兴起，国内外的学者将大量智能技术引入轨道电路的故障诊断中，取得了众多研究成果。文献[3]针对无绝缘轨道电路常见的故障模式，利用粗集理论和组合决策树进行逐层故障判别。文献[4]通过在传统神经网络的基础上加入模糊理论的方式，可以准确识别轨道电路故障。文献[5]在模糊认知图中加入属性约简和自适应遗传算法对故障数据进行预处理，可以对ZPW-2000A轨道电路的故障进行有效诊断。文献[6]以TCR接收信号的幅值趋势为特征，采用分段计算查找特定值和一阶导数二次判别相结合的方式实现对补偿电容故障的快速诊断。文献[7]提出利用模糊故障诊断法、遗传算法以及灰色系统理论相组合的方法对25 Hz相敏轨道电路进行故障诊断。……