Fault detection method for switch machine based on Back Propagation(BP) neural network
-
摘要: 为提高城市轨道交通中ZDJ9型转辙机故障维修效率，提出基于反向传播（BP，Back Propagation）神经网络的转辙机故障检测方法。文章深入分析转辙机动作电流采集原理及现场转辙机转换过程中不同阶段电流曲线特征，确定故障电流曲线种类；对转辙机转换过程中动作电流曲线进行小波分解与重构，对重构后的曲线进行关键特征值提取，将其作为基于BP神经网络的故障检测模型训练数据，最终经过8 000次迭代训练后，故障检测模型的故障检测准确率达到96%，表明该方法能够有效检测转辙机故障及其故障类型。Abstract: To improve the maintenance efficiency of ZDJ9 type switch machine in urban rail transit, this paper proposed a fault detection method for switch machines based on Back Propagation (BP) neural networks. The paper deeply analyzed the principle of collecting action current of the switch machine and the characteristics of current curves at different stages during the on-site switch machine conversion process, determined the type of fault current curve, performed wavelet decomposition and reconstruction on the action current curve during the switch machine conversion process, extracted key feature values from the reconstructed curve, and used them as training data for the fault detection model based on BP neural network. Finally, after 8 000 iterations of training, the fault detection accuracy of the model reaches 96%, it indicates that this method can effectively detect switch machine faults and their types.
-
表 1 ZDJ9型转辙机故障故障类型及原因
故障类型 原因 空转故障 尖轨卡阻、杆件卡阻、未解锁 或内卡阻 缓放阶段无“小尾巴”故障 转辙机卡缺口故障或SH2转换锁闭器故障、
室外整流二极管开路缓放阶段“小尾巴”数值变高 室外二极管击穿 缓放阶段“小尾巴”数值和动作
阶段大小相近室外电阻短路 缓放阶段“小尾巴”数值偏低 室外电阻或二极管特性不良 
下载: 导出CSV
表 2 道岔空转特征值
特征值名称 特征值 输出值含义 标准差 0.316 00001
（道岔空转故障）方差 0 平均值 0 均方根 0.315 峭度指标 33.926 偏斜度 0.052 最大值 2.627 方根幅值 0.125 峰值因子 8.337 裕度因子 0.125 波形因子 21.005 脉冲指数 1.901
下载: 导出CSV
-
[1] 占雪梅,楚彩虹. ZDJ9型道岔转辙机故障分析处理[J]. 郑州铁路职业技术学院学报,2023,35(3):35-37. [2] 朱孟雯. ZYJ7型提速道岔故障诊断系统研究[D]. 成都:西南交通大学,2016. [3] 宋文渊. 大秦线道岔微机监测电流及功率曲线的分析与研究[J]. 太原铁道科技,2019(12):10-13. [4] 齐小民,贺玉芹,刘晓明. 道岔健康状态评估管理系统的研究应用[J]. 铁道通信信号,2020,56(8):21-24. [5] 史宏力. ZYJ7型液压道岔控制电路故障分析[J]. 科技创新与应用,2020(10):119-120. [6] 张 星. 基于相似度的道岔故障电流曲线识别方法研究与实现[D]. 兰州:兰州交通大学,2016. [7] 张梦琪,赵会兵,孙上鹏. 基于粒子群支持向量机的轨道电路分路不良预测方法[J]. 铁道学报,2015,37(10):68-74. [8] 周志华. 机器学习[M]. 北京:清华大学出版社,2016. [9] 王东升. 人工智能在铁路信号故障诊断中的应用研究[J]. 科技风,2020(17):123-124.
点击查看大图
图(9) / 表(2)
