APP下载

基于机器学习的道岔故障诊断与预测研究综述

2021-08-27谢博才宫殿君

铁路通信信号工程技术 2021年8期
关键词:特征提取故障诊断特征

谢博才,宫殿君

(1. 中国国家铁路集团有限公司,北京 100844;2. 北京全路通信信号研究设计院集团有限公司,北京 100070;3.北京市高速铁路运行控制系统工程技术研究中心,北京 100070)

1 概述

道岔转换系统是铁路变换股道的重要转辙设备,直接影响了列车的行车安全。随着国内轨道交通的蓬勃发展,行车速度和客运量的不断提升,道岔设备故障率的增加会影响运营效率,甚至造成人民生命财产的损失,因此对道岔设备进行状态监控以及故障的诊断和预测是迫切且必要的。

故障检测与诊断技术、故障预测与健康管理技术是可靠性分析中的两大重要技术。故障诊断包括故障检测和故障隔离两个过程,其中故障检测是利用各种检测算法发现设备运行过程中的异常信号,判断是否发生了故障并实现准确定位;而故障隔离要求对故障类型、故障部位及故障成因作出诊断,以便采取相应的维修措施,使得由于故障导致停滞的设备恢复运行[1-2]。目前,故障诊断方法普遍分为3类:基于模型的故障诊断方法、基于信号处理的故障诊断方法和基于人工智能的故障诊断方法。基于模型的故障诊断方法需要针对监测对象建立精确的数学模型,例如微分方程,通过模型输入和输出之间的残差来进行故障诊断。这种方法的缺点是建立模型需要足够的用于模型开发的先验知识且模型的建立是非常复杂与费时的,同时所建立的模型精确与否会直接影响故障检测与诊断的性能。……

登录APP查看全文

猜你喜欢

特征提取故障诊断特征
如何表达“特征”
基于Gazebo仿真环境的ORB特征提取与比对的研究
不忠诚的四个特征
一种基于LBP 特征提取和稀疏表示的肝病识别算法
基于MED和循环域解调的多故障特征提取
基于LCD和排列熵的滚动轴承故障诊断
基于WPD-HHT的滚动轴承故障诊断
线性代数的应用特征
高速泵的故障诊断
Walsh变换在滚动轴承早期故障特征提取中的应用