基于ZD6转辙机电流数据的道岔转辙器健康状态划分

为了能够准确评估道岔转辙器的健康状态,进而实现道岔转辙器“状态修”,以ZD6转辙机驱动的道岔转辙器为研究对象,采集ZD6转辙机在额定牵引力的100%-120%区间内不同负载下的工作电流数据构建数据集,在此数据集上采用CNN-SVM网络进行健康状态划分。首先利用CNN对电流数据进行特征提取,然后将CNN提取的特征输入到SVM中进行训练和分类,从而实现对ZD6转辙机牵引的道岔转辙器健康状态的划分。实验结果表明,该方法的分类准确率达到93.3%,为铁路系统的安全运维提供了有力的数据支撑。