基于GA-VMD的无绝缘轨道电路调谐区和补偿电容故障特征提取

为准确提取ZPW-2000A型无绝缘轨道电路调谐区和补偿电容故障特征信息,提出一种以包络熵为优化目标的遗传算法(Genetic Algorithm, GA)优化变分模态分解(Variational Mode Decomposition, VMD)的故障特征提取方法 .首先,采用传输线理论建立无绝缘轨道电路模型,仿真分析调谐区和补偿电容不同故障的分路电流曲线.其次,以VMD方法中的模态分量的最小包络熵为目标函数,通过遗传算法搜索目标函数的最小值来确定最佳组合参数,原始故障信号经最佳参数组合下的VMD分解成若干个本征模态分量,并对算法的有效性进行了验证.最后,通过与总体经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)、传统VMD方法相对比.研究结果表明:GAVMD方法具有更强的故障信息提取能力,避免了EEMD方法出现的模态混叠问题和传统VMD方法在分解信号过程中出现的过分解、欠分解问题,GA-VMD方法实现了复杂信号的准确提取.

基于机器学习的无绝缘轨道电路健康状态综合评价方法

针对检测车对ZPW-2000系列无绝缘轨道电路(JTC)的健康评价能力需要提升的实际需求,基于机器学习理论提出一种JTC健康状态综合评价方法。首先,基于JTC的工作原理和检测车的数据分析,研究并确定JTC健康状态评价指标和评价函数。然后,基于JTC仿真模型,使用故障注入技术对JTC常见故障模式下的数据进行仿真,构建JTC状态数据集,并基于半监督聚类算法,结合传统层次分析法的专家经验和数据中的规律,实现数据标注。最后,基于XGBoost模型和SHAP可解释框架计算各评价指标的权重,进而构造JTC健康分数HI,实现JTC健康状态的综合评价。实验表明,本文方法能够对JTC进行准确、合理地评价,克服现有评价方法的不足,有效提升检测车对JTC的健康评价能力,为实现“状态修”提供依据。

一种无绝缘轨道电路道砟电阻估算方法

针对无绝缘轨道电路中道砟电阻易受工作环境影响以及现场测量困难的问题,提出一种道砟电阻估算方法。首先根据二端口网络理论,构建调整状态下轨道电路传输模型,仿真分析道砟电阻和补偿电容对轨道电路各设备两端电压、电流的影响规律;其次基于现场微机监测数据,计算轨道电路各设备两端电压、电流仿真值与监测值之间的误差;最后利用粒子群优化算法,将轨道电路传输模型和误差值作为算法适应函数和适应值估算道砟电阻,并对结果进行性能验证。实验结果表明该方法的估算结果在验证中平均绝对百分比误差(MAPE)为14.31%,计算精度相比轨入电压法较优,从而验证所提道砟电阻估算方法的有效性和可行性。

基于ReliefF-Adaboost的无绝缘轨道电路故障诊断模型

现阶段对ZPW-2000A型无绝缘轨道电路的故障判别方式主要是对微机监测数据进行人工分析,但这种方式存在主观性强、判别效率低等问题。为解决上述问题,提出了ReliefF-Adaboost故障诊断模型对轨道电路进行故障识别。首先,通过分析轨道电路工作原理,初步选取10个特征参数;然后,利用ReliefF算法得到各个特征参数的权重,并按照权重由大到小依次输入到Adaboost故障分类器中,筛选出对轨道电路故障诊断最有效的特征参数;最后,将其再次输入到Adaboost故障分类器中完成故障识别。仿真结果表明:ReliefF-Adaboost模型故障诊断准确率为96.67%,相较于无特征参数筛选的Adaboost模型提升了2.50%。该模型有效提升了ZPW-2000A型无绝缘轨道电路的故障诊断性能。

基于SSAE-DNN的无绝缘轨道电路故障诊断研究

针对ZPW-2000R型无绝缘轨道电路的多样性和复杂性造成故障诊断准确率低的问题,从故障特征提取和特征分类两方面出发,将栈式稀疏自编码器(SSAE,Stacked Sparse Auto-Encoder)和深度神经网络(DNN,Deep Neural Networks)相结合,提出了基于SSAE-DNN模型的故障诊断方法。采用SSAE对故障数据以无监督的方式进行降维和特征提取,获得最优网络参数,从而挖掘无绝缘轨道电路不同故障特征信息,并将SSAE提取的特征样本导入DNN,得到SSAE-DNN模型,据此进行无绝缘轨道电路的故障分类识别。试验结果表明,该模型对故障数据进行了降维,减少了故障诊断时间,且获取了故障数据的深层特征;对ZPW-2000R型无绝缘轨道电路的故障具有较高的诊断准确率,仅有少数故障出现误判情况。通过与反向传播(BP,Back Propagation)神经网络、卷积神经网络(CNN,Convolutional Neural Network)和支持向量机(SVM,Support Vector Machine)的对比试验,进一步验证了该方法的有效性和优越性。

基于HHT、DBWT的无绝缘轨道电路补偿电容故障诊断

通过基于传输线理论的无绝缘轨道电路分路状态仿真模型,分析补偿电容断线故障对轨道短路电流的影响规律,利用机车信号感应电压包络与轨道电路短路电流的关系,提出基于机车信号记录信息的补偿电容故障诊断方法。该方法采用B样条离散二进小波变换对机车信号所记录的感应电压幅度包络信号进行降噪,再通过对Hilbert-Huang变换的改进,计算各IMF分量经逐级累加后的相位信息,最后利用相位卷绕,根据相位信息中突变点的分布变化和补偿电容状态的对应关系,实现对补偿电容的故障诊断。实验表明,该方法适应性较强,受轨道电路长度和道砟电阻等轨道参数影响很小,能够准确检测出轨道电路单一补偿电容的故障位置,并且由于该方法的分析数据直接来自于机车信号自身的记录器,不需要额外增加硬件和单独安排运行交路,因此能够降低检测成本和满足对检测及时性等方面的要求。

基于遗传算法的无绝缘轨道电路故障综合诊断方法

基于传输线理论提出机车信号感应电压幅值包络仿真模型,利用机车信号感应电压与轨道电路信号电流的线性映射关系,分析补偿电容故障对机车信号感应电压幅值包络的影响规律,给出基于遗传算法的轨道电路故障综合诊断方法。以补偿电容和道砟电阻为决策变量,以实际的和仿真的机车信号感应电压幅值包络间差值的最小化为目标,构造适应度函数,通过对种群个体进行选择、交叉和变异等遗传操作,得到当前状态下各决策变量的最优值,从而实现轨道电路故障的综合诊断。实验表明,将遗传算法引入到轨道电路的故障诊断领域,利用机车信号的实际记录数据,能够对无绝缘轨道电路中多个补偿电容故障以及道砟电阻波动等情况作出正确的综合评判,从而弥补了目前检测方法的不足,为轨道电路的故障诊断提供了新的有效手段。

“一送两受”式无绝缘轨道电路最大传输距离分析

为了求解中央供电两端接受式无绝缘轨道电路最大传输距离,本文根据此种轨道电路在调整态、分路态、断轨态3种工作状态下的四端网数学模型,在不同的初始参数下仿真分析了轨道电路在断轨态和分路态下的转移阻抗的变化情况,得出轨道电路在断轨态转移阻抗的最小值大于分路态转移阻抗的最小值,以此简化了求解轨道电路最大传输距离的前提条件。在此基础上,给出了求解此种轨道电路最大传输距离的计算方法。结果对比表明,该方法能够正确地计算轨道电路最大传输距离,为此类型轨道电路的设计提供理论依据。

无绝缘轨道电路道砟电阻在线监测方法

利用无绝缘轨道电路和机车信号的相互关系,分析道砟电阻对机车信号感应电压幅值包络的影响规律,并基于指数拟合,确定机车信号感应电压幅值包络的衰减系数,建立道砟电阻、轨道电路长度与该衰减系数间的回归计算模型。针对该衰减系数易受补偿电容故障影响的问题,提出局部拟合和全局拟合相结合的无绝缘轨道电路道砟电阻回归估算方法,并基于现有的机车信号远程监控平台建立相应的道砟电阻在线监测系统。实验表明,本文提出的方法对于天气和温度变化对道砟电阻的影响较为敏感,具有估算准确度高、监测成本低、受补偿电容故障影响小等优点。

基于SA算法的无绝缘轨道电路故障综合检测方法

针对遗传算法对无绝缘轨道电路进行故障综合检测时,存在检测结果精度低、耗时长以及实用性差等缺点,提出基于模拟退火算法的无绝缘轨道电路故障检测方法。建立以补偿电容为分界点,分段划分道砟区段的分路状态模型,运用该模型分析道砟电阻、补偿电容与分段分路电流幅值包络之间的关系,在上述分析的基础上,从发送端到接收端,依次对每一段电流幅值包络利用模拟退火算法求得与之相对应的道砟电阻值和补偿电容值,实现轨道电路故障的综合检测。实验表明,本文所提出的故障检测方法能够准确检测多个电容故障,并反映出道砟电阻分段波动的情况。与遗传算法相比,该方法检测精度高、耗时短、实用性强,更加适合于无绝缘轨道电路故障综合检测。

ZPW-2000A型无绝缘轨道电路建模与仿真研究

分析了ZPW-2000A型无绝缘轨道电路系统的工作原理,运用传输线和电路网络理论,建立了ZPW-2000A各单元的数学模型,利用MATLAB软件实现了轨道电路分路状态仿真。通过对比仿真结果与现场实测数据,说明了仿真模型及算法的正确性及其工程应用价值。

基于分层免疫机制的无绝缘轨道电路补偿电容故障诊断系统

本文基于轨道电路及其读取器间的信息传输模型,借鉴生物免疫机制,提出基于分层免疫的轨道电路补偿电容故障诊断方法。在特征提取层,通过分段线性拟合,对常见故障下的仿真数据和实际数据进行特征提取,以形成"抗体"和"抗原",并构建相应的"抗体库";在细胞免疫层,基于"抗体库"对"抗原"进行"自己/非己"的识别,实现对常见故障的诊断和监测;在体液免疫层,针对非常见的组合故障,利用克隆选择算法获得与"抗原"具有高亲和力的"抗体",以此实现相应故障识别。实验表明:本算法可实现对补偿电容的状态检测、常见故障与组合故障诊断等多层面操作,并可提高对复杂故障的二次反应速度,具有较高的适应性、灵活性和准确率。

无绝缘轨道电路系统的图形建模

介绍了一个基于Simulink环境下的无绝缘轨道电路模块库,叙述了电气绝缘节和匹配变压器的数学模型,简要介绍了模块库中其它设备的建模。讨论了模块的封装和图形建模的方法,并应用模块库中的模型模拟了S型无绝缘轨道电路。该系统对实际电路的分析、设计人员具有良好的参考价值。

基于DBN-MPA-LSSVM的无绝缘轨道电路故障诊断研究

针对区间无绝缘轨道电路故障类型复杂、诊断精度低等问题,从故障特征提取和特征分类两方面出发,提出了一种深度置信网络(DBN)和海洋捕食者算法(MPA)优化最小二乘支持向量机(LSSVM)的故障诊断方法。首先,将集中监测数据和状态标签输入到DBN,以半监督的方式进行降维和特征提取,从而挖掘轨道电路不同故障特征信息;然后,采用MPA智能算法对LSSVM的惩罚因子和核函数参数进行寻优并建立最优MPA-LSSVM诊断模型;最后,将DBN提取的特征样本导入诊断模型进行轨道电路的故障分类识别。DBN-MPA-LSSVM诊断模型充分利用了DBN在特征提取过程中的逐层提取优势以及LSSVM在解决小样本情况下高维模式识别的优势。实验验证与对比分析表明,DBN-MPA-LSSVM模型测试集准确率为98.33%,MPA优化算法较PSO、GWO、GA算法模型诊断准确率分别提高了6.11%、3.89%、3.33%,平均准确率为97.98%,为基于数据驱动的轨道电路故障诊断技术提供了一种新的方法。

ZPW-2000无绝缘轨道电路分路电流仿真研究

运用均匀传输线和电路四端网理论,建立了ZPW-2000无绝缘轨道电路分路电流的计算模型,利用MATLAB软件实现了分路电流的数值算法.仿真了轨道电路正常情况、补偿电容开路和短路故障情况下分路电流的分布,仿真数据对轨道电路故障诊断有较大价值.

考虑轨面设备的无绝缘轨道电路道砟电阻回归测量方法

针对无绝缘轨道电路中因补偿电容和调谐区单元等轨面设备影响而难以准确测量道砟电阻的问题,提出由轨面电流幅值测量、参数拟合和回归计算3部分组成的道砟电阻回归测量方法。根据传输线理论,构建轨面电流幅值包络模型,分析道砟电阻、补偿电容和调谐区设备对轨面电流幅值的影响规律;对轨面电流幅值进行指数拟合,得到不同道砟电阻所对应的衰减因子,构建衰减因子与道砟电阻的回归计算式;基于人工方式实地测量的轨面电流幅值,回归计算得到道砟电阻;通过轨道电路半实物仿真实验平台,对该测量方法分别进行功能验证和性能验证。结果表明:功能验证中,仅测量指定3个位置点的轨面电流,即可较为准确地估算出道砟电阻,绝对误差为0.08Ω⋅km,相对误差为4.04%;性能验证中,计算得到道砟电阻的最大绝对误差仅为0.157Ω⋅km,对应的相对误差为7.9%,且测量结果受补偿电容和调谐区设备故障的影响较小。

基于CEEMD的无绝缘轨道电路调谐区故障特征提取

针对无绝缘轨道电路调谐区故障特征难以提取的问题,提出基于补充总体平均经验模态分解(CEEMD)的调谐区故障特征提取方法。采用四端网理论和传输线理论构建无绝缘轨道电路模型,仿真分析调谐区不同故障对轨道电路表面电压的影响;利用经验模态分解(EMD)、总体经验模态分解(EEMD)及CEEMD分别对电压信号进行分解,再提取故障特征向量。仿真结果表明:CEEMD方法抑制了EMD和EEMD引起的模态混叠和残留噪声现象,提高了运算效率,能够有效提取无绝缘轨道电路调谐区故障特征。

基于SDAE的无绝缘轨道电路调谐区故障诊断研究

调谐区是无绝缘轨道电路的重要组成部分,考虑到其在故障诊断中存在的不确定性和复杂性,提出了一种基于栈式自编码的无绝缘轨道电路调谐区故障诊断方法。首先,利用CEEMD方法完成不同故障模式下的轨面电压信号分解,形成原始特征数据集。其次,利用SDAE进行数据"提纯",获取同一故障下的相关性,并采用BP神经网络从标签层对模型进行微调,实现故障分类。最后,利用测试集数据对模型进行测试。试验结果表明,基于SDAE算法的调谐区故障诊断模型在准确率和召回率上均超过98%,验证了算法的有效性。