于苡健

摘要 文章根据道岔内的控制电路和开关状态，分析监测系统的道岔动作电流，提取道岔特征输入值，对五线制道岔和交流转辙机建立道岔故障模型。先通过BP神经网络对数据训练测试分类，再通过优化过的Adaboost组成强分类器，对道岔特征量与道岔故障类型之间进行匹配分类。经过实验仿真，BP_Adaboost算法的故障识别率达到95.8%，对道岔故障诊断具有重要研究意义。

关键词 铁路信号系统;道岔;故障诊断;BP_Adaboost

中图分类号 U284.72 文献标识码 A 文章编号 2096-8949（2022）10-0056-03

0 引言

随着电子技术和信息技术的快速发展，国内外近些年一直开展对铁路信号的全电子化和智能化研究工作。其中道岔设备在联锁系统中有着至关重要的作用。在全电子计算机联锁系统中，道岔的可靠性虽然比传统的继电器高，但也会出现故障。所以对全电子联锁系统的道岔故障分析有着重要研究意义，对提高维修人员的维修效率和车站运输能力有很大的帮助。

现在对于道岔故障诊断的方法很多，但至今没有应用到实际车站的有效方法。针对道岔故障诊断国内外研究方法丰富，薛艳青等人建立专家系统对道岔故障进行分析，张凯等人应用BP神经网络的道岔故障诊断方法，翟永强等人利用贝叶斯网络分析道岔故障，还有赵林海等人基于灰关联的道岔故障诊断方法。虽然诸多方法对道岔故障诊断有不错的效果，但在实际应用中有许多不便。论文在现有的研究方法上，提出一种基于BP_Adaboost强分类器的道岔故障诊断方法。……