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。

机电装备健康状态评估研究进展及发展趋势

机电装备的维修、保养直接影响其综合利用效率和使用寿命,健康状态评估是制定装备维护策略、管理维修资源的重要依据,是实现装备预测性维护、故障预测和健康管理的前提。传统的机电装备健康状态评估方法存在过分依赖专家经验、无法处理大规模数据、准确度低等缺点,难以满足现代机电装备健康管理技术的需求。本文在梳理、分析国内外机电装备健康状态评估最新研究成果的基础上,从信号获取、特征提取、健康状态等级划分和健康状态评估四个关键环节,综述了机电装备健康状态评估方法的研究进展和发展动态,指出了机电装备健康状态评估相关技术面临的挑战及解决途径。