[发明专利]一种道岔故障预测方法

说明书

本发明提供了一种道岔故障预测方法，其中，该方法包括采集同一道岔连续N次正常动作曲线；对每一条正常动作曲线提取代表性特征；对N条正常动作曲线的同类特征分别建立预测模型；基于预测模型分别计算道岔第Y次（Y>N）动作时每类特征的值；对道岔第Y次动作预测曲线进行故障诊断，判断是否故障。通过此发明可预测道岔下一阶段工作状态及剩余寿命，为维修决策优化提供借鉴，实现道岔故障早期预防，减少道岔事故率，提高系统可靠性，保证行车安全。

技术领域

本发明涉及轨道交通领域，具体涉及一种道岔故障预测方法。

背景技术

道岔是列车从一股轨道转入或越过另一股轨道时必不可少的线路设备，是铁路轨道的一个重要组成部分，也是故障率最高的设备。一旦道岔发生故障，不能完成规定动作，轻则临时停车造成时间延误；重则车厢脱轨造成人员伤亡。

我国铁路运输作业频繁、运营环境多变易导致道岔故障，但现有道岔监测条件以及维修手段落后，这些情况极易造成行车突发事故或影响行车效率。目前铁路部门为防止事故发生，安排专业人员定期检查并维修道岔，需要大量的人力和物力，并且效率低下。现有技术中，还无法做到对道岔故障准确预测，也未提出快速有效的解决方案。所以基于所采集的道岔动作曲线以及故障信息等历史数据，采用科学方法预测道岔下一阶段工作状态及剩余寿命，在其故障之前及时发现并配合实施相应的维修保障措施。根据道岔故障预测信息为维修决策优化提供借鉴，合理调整维修间隔，减少“维修过剩”和“维修不足”，保证行车安全与乘客生命安全的重要举措。

发明内容

本发明提供了一种道岔故障预测方法，实现对道岔下一阶段工作状态及剩余寿命的预测，优化维修决策，调整维修间隔，减少现有维修中“维修过剩”和“维修不足”的问题。

本发明提出的一种道岔故障预测方法，包括以下步骤：

（１）：采集同一道岔连续N次正常动作曲线；

（２）：对每一条正常动作曲线提取代表性特征；代表性特征有10个，具体为：T₁为道岔解锁阶段的电流最大值，T₂为该电流值对应的时间；T₃为道岔解锁阶段电流回落过程中电流最小值，T₄位该电流值对应的时间；T₅为道岔转换阶段的电流众数值，T₆为该电流值对应的时刻；T₇为道岔从转换阶段进入锁闭阶段时刻对应电流值，T₈为该电流值对应的时刻；T₉为道岔动作结束点即此时刻电流值降为零，T₁₀为该电流值对应的时间；

（３）：对N条正常动作曲线提取的代表性特征中的同类特征分别建立预测模型；

（４）：基于步骤（３）预测模型分别计算道岔第Y次（Y>N）动作时每类特征的特征值；

（５）：基于预测模型所得每类特征的特征值得到道岔第Y次动作的每类特征的预测曲线；

（６）：对步骤（５）得到的道岔第Y次动作预测曲线进行故障诊断，判断是否故障。

本发明中，步骤（１）中所述的采集同一道岔连续N次正常动作曲线为从微机监测系统中提取的道岔动作曲线数据或图像，或为纸质文件中的道岔动作曲线数据或图像。

本发明中，步骤（１）所述的采集同一道岔连续N次正常动作曲线，具体如下：

（1a）：从微机监测系统中采集同一道岔连续M次动作曲线（M>N）；

（1b）：去除故障曲线，保留正常曲线；

（1c）：按照时间顺序曲线标记为{曲线1，曲线2，曲线3…曲线N}。

本发明中，步骤（３）中所述建立的预测模型为BP神经网络，具体步骤如下：