[发明专利]道岔动作电流曲线的特征提取方法及道岔故障诊断方法

权利要求书

1.一种道岔动作电流曲线的特征提取方法，包括如下步骤：

S310：获取道岔动作的电流数据，以道岔动作时间为横坐标，离散的电流数据为纵坐标，生成道岔动作电流曲线；

S320：将道岔动作电流曲线转换到投影坐标系，投影坐标系横轴为电流值区间，投影坐标系的纵轴为道岔动作电流曲线上各电流值区间内所包含的离散点的数量；

S330：在所述道岔动作电流曲线上包括三个道岔动作区段，分别为解锁区、转换区、锁闭区；确定所述投影坐标系下各道岔动作区段的分段；

S340：输出各电流值区间的开始点与结束点。

2.根据权利要求1所述的道岔动作电流曲线的特征提取方法，其特征在于，S330包括如下步骤：

S331，确定投影坐标系下的极大值柱状图区间；

S332，确定投影坐标系下的转换区的左右两个边界；

S333，确定解锁区的结束点和锁闭区的起始点。

3.根据权利要求2所述的道岔动作电流曲线的特征提取方法，其特征在于，

步骤S331：确定投影坐标系下的极大值柱状图区间：采用遗传优化算法，将分段间隔、分段数量作为遗传算法要优化的目标，采用遗传算法寻找最优的分段参数，使得所述道岔动作电流曲线中电流值变化平缓的区域内的电流数据均落入一个电流值区间内形成极大值柱状图区间，投影后得到所述投影坐标系下的极大值柱状图区间。

4.根据权利要求2所述的道岔动作电流曲线的特征提取方法，其特征在于，

步骤S331：比较与极大值柱状图区间相邻两个区间的柱状图的大小，如果极大值柱状图区间的相邻的两个电流值区间所包含的离散点数量与极大值柱状图区间所包含的离散值的绝对值之差小于设定门限值，则认为转换区没有完全落入极大值柱状图区间，继续调整电流值区间的分段数量与分段间隔，直到极大值柱状图区间的相邻的两个电流值区间所包含的离散点数量与极大值柱状图区间所包含的离散值的绝对值之差大于设定门限值，确定出极大值柱状图区间。

5.根据权利要求2所述的道岔动作电流曲线的特征提取方法，其特征在于，

步骤S332：在确定了极大值柱状图区间后，选择电流数据的离散点对应的时间的5％～95％的部分作为转换区以减少波动值及噪声对分段的影响，

步骤S333：确定解锁区的结束点和锁闭区的起始点：转换区开始点为解锁区的结束点，转换区结束点作为锁闭区的起始点。

6.根据权利要求1至5之一所述的道岔动作电流曲线的特征提取方法，其特征在于，道岔动作电流曲线上的每个离散点的电流值和动作时间均被记录在数据库中，从而使得在所述投影坐标系下的每个电流数据均能与原道岔动作电流曲线上的电流值相对应。

7.一种道岔故障诊断方法，包括步骤：

S100：从铁路相关部门的微机监测系统中获取需要的道岔的工作电流曲线；

S200：选取正常道岔和故障道岔的工作电流曲线作为样本，用以后续步骤的诊断模型训练；

S300：利用权利要求1至6之一所述的道岔动作电流曲线的特征提取方法，区分道岔动作电流曲线的动作过程，进行特征提取，提取每个道岔动作过程的特征；

S400：采用基于ReliefF的特征选择算法选择对于区分故障有意义的特征，得到高效简约的特征空间；

S500：利用S400得到的特征空间训练诊断模型以区分道岔故障；

S600：利用S500得到的诊断模型，对实时或历史的道岔动作电流曲线进行诊断，得到道岔的工作状态。

8.根据权利要求7所述的道岔故障诊断方法，其特征在于，步骤S500采用五层前馈模糊神经网络来实现。

9.根据权利要求8所述的道岔故障诊断方法，其特征在于，步骤S500的五层前馈模糊神经网络步骤如下：

S510：利用模糊理论将输入的故障症兆信息模糊化，形成故障训练样本输入网络；

S520：改变网络的权值与阈值，使得网络具有更强的表达能力，数据处理能力及稳定的推理能力；

S530：根据各个区段的不同特征以及设定的规则，给出故障诊断情况的输出，提示道岔的运行状态。