宋 丹，汪 浩

(中车青岛四方车辆研究所有限公司，山东 青岛 266011)

1 概述

目前诸多学者将智能算法应用在道岔故障诊断领域，且取得了较好的诊断效果。文献[1]提出一种基于灰关联的道岔故障诊断方法，该方法准确率较高，但其主观性强，最优值难以确定。文献[2-3]提出一种基于BP神经网络的道岔故障智能诊断算法，诊断效果好，但算法陷入局部极值，易导致网络训练失败。文献[4]建立一种基于BP神经网络和模糊综合评判的决策级融合诊断系统，对S700K转辙机进行故障诊断，该方法诊断正确率高，但算法复杂度高。文献[5]结合粗糙集与灰色理论，通过预测电流特征实现S700K转辙机故障诊断，该方法故障诊断精度高，可操作性高，更具实用性，不足之处是不适用于数据量多的情况。文献[6]将灰色关联分析和神经网络技术相结合，实现S700K转辙机的故障诊断，该方法有效提高了故障识别率，但诊断精度仍有待提高。上述智能诊断方法以及现下的一些智能诊断方法虽都能诊断出道岔故障范围，但仍存在类似算法复杂度高、诊断精度低、诊断时间长的一些不足。

针对以上不足，本文提出一种IBOA-PNN方法对道岔控制电路进行故障诊断，该方法能降低算法复杂度并对其存在的不足进行改进。仿真结果表明，改进的算法避免陷入局部最优和训练过程中的震荡，且算法复杂度低、诊断精度高。

2 道岔控制电路及故障分析

2.1 道岔控制电路

本文以S700K型转辙机控制电路为研究对象，利用本文提出的IBOA-PNN算法对其进行故障诊断。……