《道岔故障智能診斷》在介紹道岔和微機(jī)監(jiān)測曲線的基礎(chǔ)上，深入分析道岔故障模式及其在道岔動作曲線上的表征規(guī)律。針對道岔故障少樣本的情況，提出道岔異常曲線的識別方法和基于相似度的道岔異常曲線識別方法；針對無道岔故障樣本的情況，提出基于無監(jiān)督學(xué)習(xí)的道岔曲線自動聚類方法和基于深度學(xué)習(xí)的道岔故障診斷方法。后分別提出基于道岔曲線特征和曲線點的道岔動作曲線預(yù)測方法。
更多科學(xué)出版社服務(wù)，請掃碼獲取。
目錄
序
前言
第1章 道岔概述 1
1.1 鐵路系統(tǒng)概況 1
1.1.1 鐵路系統(tǒng) 1
1.1.2 高速鐵路 2
1.1.3 城市軌道交通 4
1.2 道岔 5
1.2.1 道岔的基本概念及重要性 5
1.2.2 道岔的分類 8
1.3 轉(zhuǎn)轍機(jī) 11
1.3.1 轉(zhuǎn)轍機(jī)的基本概念及作用 11
1.3.2 轉(zhuǎn)轍機(jī)的分類 11
1.3.3 直流轉(zhuǎn)轍機(jī)的基本原理 13
1.3.4 交流轉(zhuǎn)轍機(jī)的基本原理 15
第2章 道岔監(jiān)測系統(tǒng) 19
2.1 道岔監(jiān)測的必要性 19
2.1.1 道岔事故 19
2.1.2 道岔監(jiān)測必要性分析 21
2.2 道岔監(jiān)測系統(tǒng)的基本原理 22
2.2.1 道岔監(jiān)測系統(tǒng)的相關(guān)標(biāo)準(zhǔn)規(guī)范 22
2.2.2 道岔監(jiān)測系統(tǒng)的主要結(jié)構(gòu) 23
2.2.3 道岔監(jiān)測系統(tǒng)的主要功能 23
2.3 主要道岔監(jiān)測系統(tǒng)介紹 25
2.3.1 CSM-TD型信號微機(jī)監(jiān)測系統(tǒng) 25
2.3.2 CSM-HH型信號集中監(jiān)測系統(tǒng) 33
第3章 道岔動作曲線 41
3.1 道岔動作曲線的分類 41
3.2 直流轉(zhuǎn)轍機(jī)道岔動作電流曲線 41
3.2.1 道岔動作電流采集原理 41
3.2.2 單動道岔正常動作電流曲線分析 42
3.3 交流轉(zhuǎn)轍機(jī)道岔動作電流曲線 43
3.3.1 道岔電流采集原理 44
3.3.2 交流轉(zhuǎn)轍機(jī)道岔正常動作電流曲線分析 44
3.3.3 道岔動作曲線“小尾巴”的形成原理 45
3.3.4 ZYJ7型道岔正常動作曲線分析 47
3.4 道岔動作功率曲線 47
3.4.1 道岔動作功率曲線采樣原理 47
3.4.2 道岔動作功率曲線分析 49
3.4.3 S700K型電動轉(zhuǎn)轍機(jī)道岔動作功率曲線分析 49
第4章 道岔故障模式及故障曲線仿真 52
4.1 道岔故障分類 52
4.2 道岔常見故障分析 52
4.3 道岔動作曲線仿真 56
4.3.1 道岔動作模型構(gòu)建及參數(shù)設(shè)置 56
4.3.2 基于道岔動作模型的動作曲線仿真 64
4.3.3 道岔正常動作曲線仿真 64
4.3.4 道岔長期運行曲線仿真 66
4.3.5 道岔故障曲線仿真 66
第5章 道岔異常曲線識別 72
5.1 道岔異常曲線識別總體技術(shù)路線 72
5.2 道岔正常參考曲線的選取方法 73
5.2.1 基于K均值聚類算法的道岔正常參考曲線的選取 73
5.2.2 基于弗雷歇距離的道岔正常參考曲線的選取 75
5.3 相似度的計算及閾值的確定 78
5.3.1 正常曲線與正常參考曲線之間的相似度計算 78
5.3.2 相似度閾值的確定 78
5.4 基于相似度的道岔異常曲線識別舉例 78
5.4.1 正常參考曲線的選取 78
5.4.2 相似度的計算以及閾值的確定 80
5.4.3 實例測試 81
第6章 基于距離的道岔故障診斷 83
6.1 典型距離算法 83
6.2 基于距離的道岔故障診斷方法 85
6.3 基于動態(tài)時間規(guī)整的道岔曲線故障診斷實例 86
6.4 基于弗雷歇距離的道岔曲線故障診斷實例 89
第7章 基于深度學(xué)習(xí)的道岔故障識別方法 95
7.1 基于卷積神經(jīng)網(wǎng)絡(luò)的道岔故障識別方法 95
7.2 卷積神經(jīng)網(wǎng)絡(luò) 96
7.2.1 卷積神經(jīng)網(wǎng)絡(luò)概述 96
7.2.2 卷積神經(jīng)網(wǎng)絡(luò)經(jīng)典網(wǎng)絡(luò)算法 99
7.3 道岔故障診斷模型 100
7.3.1 輸入數(shù)據(jù)預(yù)處理 100
7.3.2 模型訓(xùn)練過程 101
7.3.3 道岔故障診斷模型的驗證 103
7.4 基于深度學(xué)習(xí)的道岔故障診斷實例 104
第8章 道岔曲線模式的自動聚類研究 105
8.1 道岔曲線的自動聚類方法 105
8.1.1 聚類概念 105
8.1.2 聚類方法分類 105
8.2 FCM聚類算法 106
8.2.1 相關(guān)概念 107
8.2.2 FCM聚類算法的步驟 108
8.3 道岔故障曲線的自動聚類實例 108
8.3.1 數(shù)據(jù)預(yù)處理 109
8.3.2 改進(jìn)的FCM聚類算法 110
8.3.3 案例計算結(jié)果 110
第9章 道岔動作曲線預(yù)測方法 115
9.1 基于道岔曲線特征的預(yù)測方法 115
9.1.1 道岔動作曲線采集及代表特征選取 116
9.1.2 基于BP神經(jīng)網(wǎng)絡(luò)的道岔曲線特征預(yù)測方法 116
9.1.3 基于小二乘法的道岔預(yù)測曲線的擬合 118
9.1.4 道岔預(yù)測曲線的故障診斷 119
9.1.5 基于道岔曲線特征的預(yù)測方法實例分析 119
9.2 基于曲線點的預(yù)測方法 122
9.2.1 預(yù)測所用數(shù)據(jù)說明及預(yù)測效果評價指標(biāo) 122
9.2.2 基于ARMA模型的道岔動作曲線預(yù)測方法 124
9.2.3 基于支持向量機(jī)的道岔動作曲線預(yù)測方法 131
參考文獻(xiàn) 135
書單推薦
