论文部分内容阅读
轨道电路是铁路信号的重要基础设备,起着监督线路占用情况、列车完整性检查和向列车传递行车信息的重要作用。轨道电路分路不良故障是轨道电路占用情况的错误表示,会直接造成联锁失效,可引发重大的安全事故,造成巨大的财产和生命损失。然而,由于轨道电路分布广泛,维修环境差,任务大,分路不良故障维修存在不及时、不精确等问题,而实现轨道电路分路不良的智能诊断可缩短故障类别的辨识时间和提高辨别精度。目前,针对轨道电路分路不良故障诊断,主要研究点集中在设计合理的分类器实现故障类别的分类。本文立足于故障信号预处理和故障特征的提取两个方面,提高分类器输入特征的性能和质量,从而提高分路不良故障诊断的精度。本文主要完成以下几个方面的内容。(1)根据二端口网络理论和传输线理论,建立ZPW-2000A型无绝缘轨道电路等效模型,并用现场实测数据验证了模型的正确性。利用模型,仿真模拟了轨道电路正常和4类分路不良逐渐严重的数据,并分析分路不良对机车感应电流幅值包络的影响。(2)从基于信号处理的故障诊断理论出发,引入变分模态分解算法。从VMD对分路不良信号分解结果看,分解的模态分量去除噪声干扰和规律性变化,以奇异波形的形式展现信号本身的突变特征,且位置与分路不良区域界线一一对应。利用分路不良信号讨论VMD参数对分解效果的影响,结果表明[K,α]参数对VMD算法性能影响较为显著。(3)针对(2)中提出的VMD参数选择问题,提出基于灰狼优化(GWO)算法的GWO-VMD算法。基于分路不良信号特点,实现GWO-VMD的参数寻优,并与已有的GA-VMD、PSO-VMD和BA-VMD做了对比。结果表明GWO算法的寻优速度和寻优精度更好,且搜寻到的最优[K,α]组合使VMD分解分路不良信号的效果更好。(4)概述故障特征参数种类、选择和评价方法。对(3)中生成的分路不良信号的模态分量,提取12维时域和4维能量熵特征。对12维时域特征进行Relief_F评价,结果表明峭度系数、裕度因子、脉冲因子和幅值和更能表征分路不良信号特征。(5)介绍了支持向量机(SVM)的原理,并设计了轨道电路分路不良故障诊断模型。使用(4)中提取特征向量,利用SVM实现了5类特征组合的故障识别。从诊断精度和距离评价指标得到结论:4维经筛选后的时域指标加4维能量熵指标的组合特征向量集用于分路不良诊断的效果最好,质量最高。最后,总结本文研究内容,并展望未来研究工作。