发明名称 一种改进的轨道电路红光带故障诊断方法
摘要 本发明公开了一种改进的轨道电路红光带故障诊断方法。主要包括以下步骤:1)FTA定性分析,根据现场故障分析确立故障树模型;2)由最小割集确定诊断模型的诊断属性,通过分析故障树所蕴含的知识,提取故障诊断规则;3)根据FTA分析结果,设计诊断系统结构并构建改进粒子群优化支持向量机的模型;4)根据诊断对象设定改进粒子群算法参数,通过样本学训练改进的向量机模型,确立故障诊断模型;5)将实际运行时将实测数据输入到故障诊断模型中,计算得到故障诊断结果。本发明可用于诊断ZPW‑2000无绝缘移频轨道电路红光带故障,故障诊断准确度和故障样本利用率高,为轨道电路智能故障诊断提供一种新的技术手段。
申请公布号 CN106199332A 申请公布日期 2016.12.07
申请号 CN201610499713.6 申请日期 2016.06.29
申请人 中国铁路总公司;西南交通大学 发明人 王小敏;王秋实;江磊;郭进
分类号 G01R31/08(2006.01)I;G06K9/62(2006.01)I 主分类号 G01R31/08(2006.01)I
代理机构 成都信博专利代理有限责任公司 51200 代理人 张澎
主权项 一种改进的轨道电路红光带故障诊断方法,包括如下主要步骤:(1)FTA定性分析:首先通过现场故障分析,搭建宏观ZPW‑2000轨道电路系统故障树模型,将其故障类型区分为室内故障与室外故障;然后以红光带故障为顶事件,逐级分析并按逻辑关系搭建ZPW‑2000轨道电路红光带故障树模型,采用下行法逐层搜寻最小割集,并将其按室内故障和室外故障进行分类;(2)诊断规则提取:通过分析故障树所蕴含的知识,总结红光带故障的故障模式,提取故障诊断规则,确定各改进粒子群优化支持向量机模型的诊断属性输入和诊断故障分类输出;(3)根据FTA分析结果,设计诊断系统结构,并构建两个改进粒子群优化支持向量机模型;(4)根据诊断对象设定改进粒子群算法参数,通过样本学习训练模型,确立故障诊断模型;(5)将实测数据输入到故障诊断模型中,计算得到故障诊断结果。
地址 100844 北京市海淀区复兴路10号