李 政，魏文军,2

(1. 兰州交通大学 自动化与电气工程学院，兰州 730070； 2. 兰州交通大学 光电技术与智能控制教育部重点实验室，兰州 730070)

S700K转辙机是实现铁道线路转换的关键机电设备，占40%的铁路信号设备故障由S700K转辙机引起，严重危及行车安全.随着铁路运行密度和行车速度的提升，对S700K转辙机故障诊断精度和效率提出了更高要求.当前S700K转辙机故障检修主要依赖于计划型检修，凭人工经验判断故障类型，存在过剩维修、劳动效率低以及安全风险大等问题.近年来，基于信号集中监测系统实时监测转辙机动作功率曲线，利用信号时序特征的S700K转辙机故障检测已成为热点研究方向.S700K转辙机故障诊断可分为故障信息提取和故障诊断两大步骤，在故障信息提取方面，文献[1]采用经验模态分解(empirical mode decomposition,EMD)和小波包分解(wavelet packet transform,WPT)相结合方法，将分解分量的包络特征作为故障信息，但原始信号序列经分解后的包络特征单一，影响后续故障分类精度.文献[2]利用费雷歇距离公式计算各个样本曲线和故障曲线之间相似度，将相似度最大的样本曲线作为故障诊断的输出，但干扰对此种方法的影响大，而转辙机运行受到室外环境的影响，干扰无法避免.在故障诊断方面，文献[3]根据门限要求，通过计算样本集和故障集的灰关联度来识别故障类型，但门限值的选择需要人工经验，影响故障诊断率.文献[4-5]基于卷积神经网络对不同故障类型进行精确识别，缺点是训练网络参数……