10.3969/j.issn.1001-8360.2018.08.013
基于隐马尔科夫模型的道岔故障诊断方法
针对国内外高速铁路的快速发展,道岔故障严重影响行车安全及运输效率,本文提出一种基于隐马尔科夫模型的道岔故障诊断方法,通过增加道岔设备的潜在故障状态,将道岔设备的状态进行多状态细分.采用基于Fisher准则函数和主成分分析的方法进行特征提取,矢量量化处理后,建立不同故障模式下的H M M模型,通过比较测试数据与训练得到的不同HMM模型的匹配值进行故障诊断.利用京广铁路长沙南某型号道岔连续动作功率数据,对模型的性能进行测试,完成了故障诊断的实现与验证.仿真结果表明,采用四维特征信息时,其训练时间相对于其他机器学习方法有了较大提高,正确率达到90% 以上,且该方法将道岔状态进行细分,通过分析每种状态之间的状态转移,可以预测道岔故障,从而进行道岔设备健康状态监测.
故障诊断、道岔、隐马尔科夫模型、Fisher准则、主成分分析
40
U284(铁路通信、信号)
中央高校基本科研业务费专项资金2017JBM009
2018-09-14(万方平台首次上网日期,不代表论文的发表时间)
共9页
98-106