基于模糊神经网络的轨道电路故障诊断方法研究

作者:黄赞武;魏学业;刘泽 刊名:铁道学报 上传者:吴志君

【摘要】将模糊神经网络FNN(Fuzzy Neural Network)理论引入轨道电路的故障诊断应用中,在对轨道电路的故障原因进行分析的基础上,根据轨道电路的工作原理和故障特点建立了FNN故障诊断模型。模型选定了3个关键部件的电压值作为输入,4种典型的故障作为输出,并根据专家经验总结了9条推理规则。通过对样本数据的学习训练,采用一阶梯度寻优算法对模型参数进行了优化。通过计算机仿真验证,这种用于轨道电路故障诊断的FNN模型是有效的,并具有一定的准确度,为轨道电路的故障诊断提供了良好的方法。

全文阅读

轨道电路的故障,将降低运输效率,甚至导致安全事故。其故障可分为红光带故障和分路不良故障两种。红光带故障将影响运输效率,而分路不良故障则会影响行车安全。影响轨道电路工作的因素很多,如电源电压波动、道砟电阻的变化、防护盒设备的断线故障等。对故障准确诊断是个复杂的问题,在现场维修工作中,对相敏轨道电路故障的诊断首先是通过仪器仪表依次测量相关参数,然后根据参数和经验对故障做出判断。在诊断过程中,维修人员的经验非常重要,然而,维修人员往往不具备专家的分析能力,故给维修人员提供一个故障诊断系统具有重要的现实意义。文献[1]提出一种基于专家系统的故障诊断方案;文献[2]提出基于Agent的故障诊断方案;文献[3]利用遗传算法对无绝缘轨道电路的电容缺失故障进行诊断;文献[4]建立了基于ANFIS的音频轨道电路故障诊断和预测模型;文献[5]采用D-S分类器对轨道电路的电容缺失故障进行诊断。针对在我国电气化铁路站内普遍使用的25Hz相敏轨道电路故障特点,本文提出一种基于模糊神经网络模型的轨道电路故障诊断方法。模糊神经网络(FNN)是模糊逻辑系统和神经网络的结合,它既具有模糊逻辑系统知识易于理解的优点,又具有神经网络对非线性映射的准确拟合能力和学习能力,无需建立系统的数学模型,是一种处理不确定性、非线性问题的有力工具。模糊逻辑系统和神经网络结合的基本方式包括:以模糊算子代替神经网络中神经元的传递函数、采用模糊参数作为神经网络的权值、采用模糊变量作为神经网络的输入信号等[6]。在故障诊断和预测领域,FNN代表一个新的研究方向。1相敏轨道电路故障分析1.1相敏轨道电路工作原理25Hz相敏轨道电路(简称相敏轨道电路)由送电端设备和受电端设备两部分构成,各部分所含的器件如表1所示。相敏轨道电路的工作原理为:220V/50Hz的工频交流电接入轨道分频器并反向接入局部分频器后,分别产生UG和UJ,由于是反向接入,故UJ导前UG相角90。UG通过电缆输出至室外轨旁轨道变压器BG25进行电压调整,然后再输入至扼流变压器BE25,随后信号通过钢轨的两轨条从送电端传输到受电端,受电端接收到轨道信号,并通过扼流变压器BE25和中继变压器BG25调整,然后通过电缆传输到室内二元二位继电器JRJC1-70/240的轨道线圈(3-4)两端。而UJ直接作用于JRJC1-70/240的局部线圈(1-2)两端。在调整状态时,JRJC1-70/240得电吸起,在断轨状态或分路状态时,接收端没有足够大的电压值,JRJC1-70/240失电落下。表1相敏轨道电路设备表部位型号名称位置送电端BE25送电端扼流变压器室外BG25送电端电源变压器室外R0送电端限流电阻室外RD1-2熔断器室外受电端BE25受电端扼流变压器室外BG25受电端中继变压器室外RD3熔断器室外QBF防雷补偿器室内HF防护盒室内GJJRJC1-70/240二元二位继电器室内1.2道砟电阻对轨道电路的影响分析道砟电阻是指单位长度(1km)的轨道电路中,电流由一根钢轨经过枕木、道砟及大地漏泄到另一根钢轨的漏泄电阻。道砟电阻与信号制式、道床类型、天气等因素相关。不同的道床类型,其道砟电阻不同,如钢筋混凝土枕的区间道砟电阻水平是1.5km,而碎石道床的道砟电阻最小值取1.0km。在雨季时,道砟电阻会降低,在有些隧道等地质特殊区段,道砟电阻甚至能低到0.2km,道砟电阻的标准如表2所示。而最大道砟电阻为km。表2道砟电阻标准表km道床种类交流直流区间碎石道床1.01.2站内碎石道床0.60.7道砟电阻降低,则钢轨两轨条间的泄露增加,使二元二位继电器轨

参考文献

引证文献

问答

我要提问