[发明专利]一种基于深度卷积神经网络的轨道电路故障诊断方法

说明书

本发明涉及轨道电路故障诊断技术领域，本发明公开了一种基于深度卷积神经网络的轨道电路故障诊断方法，步骤一、轨道电路区段变量的实时监测；步骤二、训练样本和检测样本的划分；步骤三、训练样本数据集和检测样本数据集的归一化处理；步骤四、卷积神经网络模型的建立；步骤五、卷积神经网络模型故障参数的优化；步骤六、卷积神经网络模型的训练；步骤七、卷积神经网络模型性能分析和故障诊断结果的输出。该发明在三大类故障准确判断的基础上，可区分每一大类故障的具体故障部位共计21个，且准确率较高，最低为90.1%，最高为100%；划分故障类型更为细致，可以进一步为维修人员提供维修参考，加快维修效率，提高轨道电路运行的可靠性。

技术领域

本发明涉及轨道电路故障诊断技术领域，尤其涉及ZPW-2000R型轨道电路在无室外数据采集设备的情况下的基于深度卷积神经网络的轨道电路故障诊断方法。

背景技术

近年来，随着我国“交通强国、铁路先行”战略的实施，铁路系统有了快速的发展，行车安全和运行效率问题变得越来越重要，列车行车安全对铁路设备在安全性和可靠性上的要求也越来越高。轨道电路作为铁路信号系统的重要组成部分，主要用于实现轨道占用、出清检查，列车完整性检查以及地车通讯情况的检查。由于轨道电路铺设于室外铁路，工作环境复杂，故障类型数目多，因此，如何对轨道电路进行系统的故障检测和处理一直是国内外学者研究的热点问题。

近年来，我国各铁路部门已经逐步建立了铁路信号集中监测系统对轨道电路的重要数据进行实时监测，是电务维修人员对轨道电路运行状态以及轨道电路故障检测的主要依据，但是由于数据量繁多，数据分析给现场工作人员增加了较大工作量，虽然有一定的故障诊断能力，但是误诊率较高。所谓铁路信号集中监测系统主要包括轨道电路诊断主机和室外数据采集设备。其中室外数据采集设备主要包括室外监测通信处理机、电源设备、通信分机、采集分机、电流传感器等。

ZPW-2000R型轨道电路铺设在全国数千公里的铁路线上，工作环境复杂，故障类型数目多，实现快速准确的故障智能诊断难度大。现有技术中，轨道电路的故障诊断主要存在的技术问题是：1、目前的轨道电路故障诊断对人的依赖高，轨道电路故障诊断效率低，同时对轨道电路故障诊断的准确率低，从而使轨道电路信号系统的安全性和可靠性降低。2、目前的轨道电路故障诊断系统所需的数据处理和数据采集元件众多，轨道电路诊断主机需要对众多的数据全部进行计算，导致轨道电路故障诊断系统复杂，操作的便捷性差。发明人基于现有技术中存在的上述问题，研发了一种基于深度卷积神经网络的轨道电路故障诊断方法，能够很好地解决现有技术中存在的上述问题。

发明内容

本发明的目的是为了解决上述现有技术问题存在的不足，提供了一种基于深度卷积神经网络的轨道电路故障诊断方法，本发明在轨道电路无室外数据采集设备的情况下，根据神经网络有监督学习的特点，利用深度卷积神经网络对轨道电路中变量的特征值进行计算，首先将训练数据集的实时监测数据作为输入，将故障类型作为输出，建立输入和输出之间的映射关系；通过训练网络的参数，不断调整网络结构，寻找最优参数。然后将测试集的监测变量输入训练好的卷积神经网络，以此来判断网络性能。

本发明所采用技术方案如下：一种基于深度卷积神经网络的轨道电路故障诊断方法，

步骤一、轨道电路区段变量的实时监测：1、利用ZPW-2000R型轨道电路原理，将轨道电路中的故障划分为三大类，分别为发送通道故障、接受通道故障和轨道故障三大类；每一类分别划分为网络训练样本和检测样本；2、采用设计正交实验表的方式，通过模拟不同的故障监测轨道电路中发送器、接收器、发送端变压器、发送端调谐单元、接受端变压器、接收端调谐单元和钢轨附近的电压、电流数据变化，通过诊断主机读取并记录数据；同时实时监测设备本区段的供出电压、供出电流、发送电缆的电压、发送电缆电流14个变量；

步骤二、训练样本和检测样本的划分：将步骤一中的三大故障类型的数据集共8490组，将每一类故障划分为训练样本和检测样本；网络训练样本数据集共10560组，其中包括发送通道故障、接收通道故障、轨道故障共8490组和正常样本数据2070组；