余 婷，张亚东，江 磊，郭 进

(西南交通大学信息科学与技术学院,成都 611756)

引言

我国城市轨道交通发展迅速,运营总里程数不断增加,同时也存在信号设备数量激增、性能退化、故障率上升等问题。在轨道交通信号系统中,转辙机是实现列车行进方向转换的重要基础设备,也是故障率较高的设备之一,在线路中数量众多、使用频率高,发生故障一旦没有及时进行维修,轻则影响行车效率,重则导致危险事故[1-2]。目前,地铁对转辙机的健康状态评估以人工分析为主,需要对微机监测获得的运行数据和日志文件进行人工筛选分析,随着设备健康评价指标及数据挖掘维度要求越来越精细和严格,人工分析耗时长、效率低且易出错,已经不能满足线网级维修数据的分析要求。在获取海量设备监测数据的基础上,通过算法设计、健康度评价模型构建开展转辙机的健康状态评估,对实现设备维保人员的合理规划、解决设备维护过修或欠修问题、提升运营管理水平具有重要意义。

目前很多学者致力于转辙机故障诊断与预测的方法研究[3-6],而对转辙机的健康状态评估研究较少。当前转辙机健康状态主流的评估方法,是通过构建指标体系,计算权重和隶属度实现状态评估。文献[7]通过云模型理论与组合赋权相交,结合云相似度计算设备当前健康状态等级,但其指标体系的建立不合理,仅从机械特性角度出发,未考虑转辙机的电气特性以及运行环境因素。……