肖金山，夏榮斌，孔令剛

快速形狀上下文算法在道岔控制電路故障診斷中的應(yīng)用

肖金山，夏榮斌，孔令剛

(蘭州交通大學 常州研究院，江蘇 常州 213000)

針對道岔控制電路故障診斷方法相對落后這一問題，將理論研究和實物研發(fā)相結(jié)合，設(shè)計一種基于快速形狀上下文算法的道岔控制電路故障診斷系統(tǒng)。系統(tǒng)通過子模塊上傳的電流數(shù)據(jù)作為支撐，對微機監(jiān)測系統(tǒng)中S700K轉(zhuǎn)轍機正常電流和8條典型異常電流曲線使用二維數(shù)組的方式存儲形成數(shù)據(jù)庫，使用X分布計算待匹配曲線與數(shù)據(jù)庫曲線的匹配代價。根據(jù)該值的大小判斷道岔控制電路的工作狀態(tài)，實現(xiàn)道岔控制電路故障智能診斷。經(jīng)實例分析和系統(tǒng)測試，該方法可以有效地運用于道岔控制電路故障智能識別中，具有一定的實用價值。

道岔控制電路；快速形狀上下文；故障診斷；S700K轉(zhuǎn)轍機；數(shù)據(jù)庫

鐵路信號設(shè)備中道岔控制電路的故障多發(fā)且隱蔽性強，是困擾鐵路安全發(fā)展的主要原因。目前，對于道岔控制電路故障研究主要集中于理論研究和實物研發(fā)2個方面。理論方面比較典型的有張釘?shù)萚1]結(jié)合小波變換與神經(jīng)網(wǎng)絡(luò)方法分析S700K轉(zhuǎn)轍機故障原因；程宇佳[2]采用核方法對轉(zhuǎn)轍機動作電流曲線進行故障分析；肖蒙等[3]提出基于貝葉斯網(wǎng)絡(luò)的道岔控制電路故障診斷方法；趙林海等[4]將灰關(guān)聯(lián)算法應(yīng)用于道岔控制電路故障診斷中。以上關(guān)于理論的研究多采用仿真軟件構(gòu)建模型進行故障分析，更注重算法的應(yīng)用研究，沒有將其應(yīng)用于實際故障診斷的先例。相比理論研究，實物研發(fā)相對滯后，應(yīng)用較為廣泛的有電動轉(zhuǎn)轍機綜合參數(shù)測試臺和微機監(jiān)測。其中，電動轉(zhuǎn)轍機綜合測試臺主要用于轉(zhuǎn)轍機大修后對其性能參數(shù)進行集中檢測。由于可對轉(zhuǎn)轍機進行拆卸，測試具有全面準確的優(yōu)點，但因其體積較大和操作復(fù)雜，無法在實際現(xiàn)場應(yīng)用。目前，通過分析微機監(jiān)測曲線對道岔控制電路工作狀態(tài)進行診斷是我國最常用的故障識別方法，因需人工分析監(jiān)測數(shù)據(jù)，對電務(wù)人員業(yè)務(wù)水平要求較高，無法滿足鐵路行車安全需求。形狀匹配是模式識別中的基本問題，也是難點問題。近年來，以形狀上下文為代表的基于輪廓點空間位置的形狀匹配算法得到了長足發(fā)展，是近10年最為重要的形狀描述方法[5]。與傳統(tǒng)形狀匹配方法如矩、傅里葉描述子和小波描述子等考慮物體全局特征相比，形狀上下文算法將物體整體信息和局部形狀緊密結(jié)合，取得了令人滿意的效果。本文針對道岔控制電路故障診斷理論研究和實物研發(fā)脫節(jié)的現(xiàn)象，對形狀上下文算法進行改進，提出一種將快速形狀上下文算法應(yīng)用于道岔控制電路故障診斷的方法。經(jīng)實際測試與驗證，該方法能實現(xiàn)道岔控制電路故障智能診斷且具有較高的故障識別率。

1 道岔控制電路故障診斷系統(tǒng)

道岔控制電路故障診斷系統(tǒng)設(shè)計有主機模塊(此模塊通過分析子模塊上傳的電流曲線數(shù)據(jù)對道岔控制電路工作性能進行判斷)和交/直流轉(zhuǎn)轍機在線監(jiān)測(此模塊在線監(jiān)測動作中的轉(zhuǎn)轍機并采集電流曲線數(shù)據(jù))、交/直流轉(zhuǎn)轍機離線驅(qū)動(此模塊代替室內(nèi)道岔控制電路對室外轉(zhuǎn)轍機進行控制，形成完整的道岔控制電路，通過采集電流數(shù)據(jù)為智能分析室外轉(zhuǎn)轍機可能存在的故障提供條件)、虛擬交/直流轉(zhuǎn)轍機(通過室內(nèi)道岔控制電路對配置了此模塊的診斷系統(tǒng)進行控制，可模擬完整的道岔控制電路，通過采集電流數(shù)據(jù)為智能分析室內(nèi)道岔控制電路故障提供條件)六大子模塊。將功能不同的子模塊插入含有主機模塊的母板箱實現(xiàn)一種適合于任何道岔控制電路的智能診斷系統(tǒng)。系統(tǒng)總體框架如圖1所示。

圖1 道岔控制電路故障診斷系統(tǒng)結(jié)構(gòu)框圖

注[6]：1) 對于不同的道岔控制電路，X1-X6接通個數(shù)不同。交流道岔接通X1-X5；直流四線制道岔接通X1-X4；直流六線制道岔接通X1-X6。圖1接通的是交流道岔。

2) 交/直流在線監(jiān)測子模塊通過外接電流鉗形夾檢測電流。交流道岔接通D1-D5；直流四線制道岔接通D1-D4；直流六線制道岔接通D1-D6。圖1接通的是交流道岔。交/直流轉(zhuǎn)轍機離線驅(qū)動和虛擬交/直流轉(zhuǎn)轍機子模塊通過內(nèi)部集成霍爾傳感原理的電流檢測電路采集電流。

3) 使用時，同一系統(tǒng)配置相同的子模塊，即狀態(tài)1，2和3在同一時間只能存在于某一狀態(tài)。

2 形狀上下文算法

2.1 傳統(tǒng)形狀上下文

形狀上下文算法是由Jitendra Malik，Serge Belongie和Jan Puzicha提出的一種物體輪廓描述算法[7-8]。該算法從總體上考慮物體特性，利用物體輪廓點之間的相對關(guān)系，結(jié)合統(tǒng)計學理論來實現(xiàn)物體形狀匹配。因算法能夠很好地描述物體的圖樣信息，已應(yīng)用于地圖匹配、醫(yī)學圖像識別、人臉識別和目標識別等領(lǐng)域。

式中：#代表集合的勢；表示剩余的邊界樣本點；為坐標系的柵格，由所有柵格分布情況作為p的特征。圖2為某離散點集以p為圓心形成的形狀上下文描述子的空間分布情況。

以圖2點集中p形狀上下文描述子的空間分布情況為依據(jù)，對60個柵格內(nèi)采樣點的分布情況進行統(tǒng)計，形成圖3所示的點p的形狀上下文特征。其中直方圖方塊區(qū)域顏色越深表示落入該區(qū)域點的數(shù)量越多(經(jīng)統(tǒng)計柵格中點數(shù)最多為3，最少為0，需4種顏色即可對點數(shù)進行表示)。

圖2 pi形狀上下文描述子的空間分布圖

圖3 點pi的形狀上下文特征圖

為了滿足物體的縮放和平移不變性，對于樣本點數(shù)為的圖像，通過選取每個樣本點作為圓點統(tǒng)計其他樣本點的相對位置關(guān)系，可得到每個參考點都對應(yīng)于60個不同柵格的形狀上下文特征，從而得到個不同的直方圖。將個不同的直方圖稱為該物體的形狀上下文。

假設(shè)p和q分別為2個不同物體上的采樣點，為了判斷它們之間的匹配程度，使用2分布進行比對，匹配代價函數(shù)為：

其中：為柵格個數(shù)；h()和h()分別表示樣本點p和q所對應(yīng)的形狀上下文；C則為樣本點p和q的匹配代價，即2個樣本點的差異。C越大，說明樣本點p和q的匹配代價越大，2個樣本點相似度越低。C越小，表示樣本點p和q的匹配代價越小，相應(yīng)的說明2個樣本點相似度越高。

對于2個待匹配的形狀和形狀，形狀本身之間的上下文匹配代價函數(shù)為：

為了計算不同形狀之間的相似程度，只需計算代價函數(shù)()的最小值。()最小代表匹配代價越小，相應(yīng)地說明相似程度越高。

2.2 形狀上下文算法的改進

為了將該算法和微系統(tǒng)結(jié)合并合理應(yīng)用于道岔控制電路故障研究，對傳統(tǒng)形狀上下文算法從以下幾個方面進行改進，將其命名為快速形狀上下文算法。

1) 傳統(tǒng)形狀上下文算法為了保持物體縮放和平移不變性，對采集到的物體輪廓點集需一一求取對應(yīng)的直方圖，使得算法運行時間較長，和微處理器結(jié)合存在難度?？紤]到道岔電流曲線數(shù)據(jù)是時間的函數(shù)，將其進行縮放和平移將使曲線數(shù)據(jù)失去固有屬性?；谝陨厦?，本文從電流曲線數(shù)據(jù)中選取關(guān)鍵點求其直方圖，作為物體的形狀上下文特征(當輪廓點較多時，該方法能很好的保持曲線固有屬性)。

2) 傳統(tǒng)形狀上下文通過輪廓點直方圖的形式對落入不同區(qū)域的點集進行統(tǒng)計，當區(qū)域點數(shù)過多時，傳統(tǒng)形狀上下文算法需使用較多的顏色，無法將其定量化，使算法失去意義。為了解決傳統(tǒng)形狀上下文這一問題，本文提出利用二維數(shù)組對輪廓點形狀上下文特征進行存儲。

3) 電流曲線數(shù)據(jù)是時間的函數(shù)，點的上下文描述子的空間分布情況只需坐標第1象限就能實現(xiàn)，和傳統(tǒng)形狀上下文使用4象限相比，縮減了計算復(fù)雜度。

3 快速形狀上下文在道岔控制電路故障診斷中的應(yīng)用

結(jié)合研究內(nèi)容，道岔動作電流數(shù)據(jù)的采樣由系統(tǒng)子模塊采集電流曲線上傳于主機模塊得到，不需利用其他方法對輪廓邊緣進行采樣，這將為快速形狀上下文算法準確運用于道岔控制電路故障診斷提供基礎(chǔ)匹配條件。

道岔動作電流曲線數(shù)據(jù)能夠有效地表示道岔控制電路的工作狀態(tài)，如何利用電流數(shù)據(jù)對道岔控制電路工作狀態(tài)進行分析，是故障智能診斷能否實現(xiàn)的關(guān)鍵。本文以不同類型的轉(zhuǎn)轍機動作時子模塊上傳的電流數(shù)據(jù)作為依據(jù)，分別存儲形成不同類型轉(zhuǎn)轍機數(shù)據(jù)庫，待測曲線利用快速形狀上下文算法與相應(yīng)數(shù)據(jù)庫曲線進行匹配，完成對道岔控制電路工作性能的判斷。道岔控制電路包括直流四線制、六線制和交流五線制，且不同線制又存在不同的轉(zhuǎn)轍機類型，導(dǎo)致電流曲線數(shù)據(jù)各不相同。因涉及情況較多，以交流S700K轉(zhuǎn)轍機正常轉(zhuǎn)換曲線和8條異常曲線[11?12]為例對快速形狀上下文在道岔控制電路故障診斷中的應(yīng)用進行介紹。

3.1 正常動作電流曲線分析

S700K正常動作電流曲線如圖4所示。為了方便存儲和匹配，正常動作電流曲線編碼為1。

圖4 S700K正常動作電流曲線圖

對S700K轉(zhuǎn)轍機正常動作電流曲線按以下步驟進行分析。

步驟1：啟動繼電器(1DQJ)吸起，開始記錄道岔動作電流曲線(圖4中①位置表示曲線記錄開始)。

步驟2：啟動繼電器(2DQJ)轉(zhuǎn)極，產(chǎn)生瞬間大電流(圖4中①→②過程)，使動作電流曲線出現(xiàn)一個較大峰值(圖4中②位置)，此電流稱為啟動電流，表示道岔動作條件已經(jīng)具備。

步驟3：道岔解鎖、轉(zhuǎn)換和鎖閉。解鎖過程為②→③，轉(zhuǎn)換過程為③→④，以斥離尖軌開始動作作為解鎖和轉(zhuǎn)換的分界點。④→⑤為鎖閉過程，鎖閉時的電流大小與轉(zhuǎn)換時相比，沒有明顯增大，較平穩(wěn)。

步驟4：啟動電路斷開。道岔轉(zhuǎn)換完成后，切斷啟動電路，1DQJ自閉電路進入緩放狀態(tài)(《維規(guī)》中規(guī)定，JWJXC?H125/80型繼電器在24V條件下失磁時，緩放時間不小于0.5 s)。⑥→⑦→⑧即為1DQJ自閉電路斷開后的緩放過程，其中A相電流直接回0，B相和C相電流經(jīng)過0.8 s回0，說明室外表示電路通道正常。B相和C相緩放過程根據(jù)其曲線形象簡稱為“小尾巴”。

步驟5：1DQJ落下。1DQJ緩放落下后，電流曲線值持續(xù)為0。

3.2 異常動作電流曲線分析

通過分析正常動作電流曲線可知，道岔轉(zhuǎn)換過程包含多個環(huán)節(jié)，熟練理解和掌握正常動作電流曲線形成原理是分析異常動作電流曲線故障的關(guān)鍵。本文以微機監(jiān)測資料作為原始數(shù)據(jù)，歸納總結(jié)形成如表1所示的S700K故障模式數(shù)據(jù)庫，各模式對應(yīng)的動作電流曲線如圖5所示。

表1 S700K故障模式數(shù)據(jù)庫

(a) 模式2；(b) 模式3；(c) 模式4；(d)模式5；(e) 模式6；(f) 模式7；(g) 模式8；(h) 模式9

3.3 快速形狀上下文算法具體應(yīng)用

道岔控制電路故障診斷系統(tǒng)中，各子模塊對電流的采樣周期為20 ms且電流曲線保護時間為13 s。因此，對一次道岔轉(zhuǎn)換過程，每相電流采集700個點數(shù)據(jù)(共2 100個點)，即能保證在任何狀態(tài)下都能得到完整的電流數(shù)據(jù)。與文獻[11]對每條曲線提取15個特征點形成20個故障特征相比，該算法保留了曲線所有點數(shù)據(jù)特征，將最大限度地提高故障識別率和準確度。為了對采集的點數(shù)據(jù)進行存儲，以橫坐標表示曲線的動作時間，縱坐標表示電流實際值的大小，對坐標第1象限進行柵格劃分(橫坐標以1 s為單位，縱坐標以0.5 A為單位，劃分為15個部分，第1象限以10度為單位平均劃分為9份)，形成135個柵格并對不同柵格區(qū)域進行編碼。

由存儲結(jié)構(gòu)劃分可知，定義一個15行9列的二維數(shù)組即可存儲一個完整的電流曲線數(shù)據(jù)。把實際電流值按落入不同柵格的個數(shù)情況進行統(tǒng)計，作為道岔控制電路不同故障特有屬性。另外，為了防止電流數(shù)據(jù)初始零值持續(xù)時間過長，出現(xiàn)曲線整體移位影響匹配準確程度，以電流曲線數(shù)據(jù)中出現(xiàn)第1個不為零值的前一零值為基準點(即關(guān)鍵點)，求其上下文描述子，作為相應(yīng)電流曲線的形狀上下文。S700K正常轉(zhuǎn)換時數(shù)據(jù)柵格分布情況如圖6所示。

圖6 S700K轉(zhuǎn)轍機正常轉(zhuǎn)換時電流數(shù)據(jù)柵格圖

為了存儲S700K正常轉(zhuǎn)換時三相電流數(shù)據(jù)在坐標柵格中的分布情況，特定義二維數(shù)組[15][9]，[15][9]的值為：

以同種方式對S700K轉(zhuǎn)轍機8條異常電流曲線數(shù)據(jù)進行存儲形成數(shù)據(jù)庫，對應(yīng)的二維存儲數(shù)組如下所示。

1) 三相電流數(shù)據(jù)均為0存儲數(shù)組[15][9]

2) 某相電流數(shù)據(jù)為0存儲數(shù)組[15][9]

3) 某相電流數(shù)據(jù)抖動下降存儲數(shù)組[15][9]

4) 三相動作電流數(shù)據(jù)不平衡存儲數(shù)組[15][9]

5) 轉(zhuǎn)轍機空轉(zhuǎn)電流數(shù)據(jù)存儲數(shù)組[15][9]

6) “小尾巴”電流數(shù)據(jù)超標存儲數(shù)組[15][9]

7) 電流數(shù)據(jù)無“小尾巴”存儲數(shù)組[15][9]

8) “小尾巴”電流數(shù)據(jù)持續(xù)過長存儲數(shù)組[15][9]

當有待匹配的S700K轉(zhuǎn)轍機動作電流數(shù)據(jù)上傳時，按坐標柵格結(jié)構(gòu)進行數(shù)組存儲。然后利用式(2)計算該曲線與數(shù)據(jù)庫曲線的匹配程度。匹配代價函數(shù)如下所示：

3.4 道岔控制電路故障診斷實例分析

為了驗證快速形狀上下文算法的可行性，對其進行相應(yīng)實例分析。具體地，以某鐵路公司電務(wù)段S700K轉(zhuǎn)轍機轉(zhuǎn)換時，道岔尖軌和基本軌之間夾有異物造成轉(zhuǎn)轍機空轉(zhuǎn)的情況進行分析驗證。

S700K轉(zhuǎn)轍機在尖軌和基本軌之間夾有異物動作時，道岔控制電路故障診斷系統(tǒng)接收到的電流數(shù)據(jù)用[15][9]數(shù)組表示如下。

將該電流數(shù)組與數(shù)據(jù)庫曲線進行比對，求取匹配程度C。匹配結(jié)果如表2和圖7所示。

表2 待測電流數(shù)據(jù)與數(shù)據(jù)庫數(shù)據(jù)匹配表

結(jié)果表明，數(shù)據(jù)庫編碼=6時匹配代價最小，此時C為3.833，滿足門限要求，應(yīng)輸出相應(yīng)匹配結(jié)果。=6表示轉(zhuǎn)轍機外卡阻，即道岔尖軌和基本軌間夾有異物，與現(xiàn)場檢修結(jié)果一致。

為了更加準確地測試快速形狀上下文算法的故障診斷性能，從微機監(jiān)測系統(tǒng)各獲取若干條ZD6，S700K和ZYJ7轉(zhuǎn)轍機動作電流曲線作為待測樣本，按本文方法進行道岔控制電路故障智能診斷，計算結(jié)果如表3所示。

圖7 待測電流數(shù)據(jù)與數(shù)據(jù)庫數(shù)據(jù)匹配圖

表3 各型號轉(zhuǎn)轍機故障識別

結(jié)果表明，使用快速形狀上下文算法對道岔控制電路進行診斷具有較高的故障識別率且保證了故障識別的準確性，驗證了該改進算法在道岔控制電路故障診斷中的可行性。

4 系統(tǒng)測試

當所有設(shè)計功能完成后，實現(xiàn)道岔控制電路故障診斷系統(tǒng)樣機，實際驗證算法智能診斷效果。系統(tǒng)主機采用北京大器智成技術(shù)有限公司編號為GLM-70W-CB的可編程智能LCD。各子模塊采用Atmel公司AT90CAN128芯片作為微處理器，并設(shè)置有電流檢測、繼電器控制和道岔驅(qū)動采集等關(guān)鍵電路。其中子模塊硬件電路的設(shè)計及PCB板的繪制通過Altium Designer 6.9實現(xiàn)，程序的編寫通過ICCV7 for AVR軟件完成。子模塊通過RS485上傳電流數(shù)據(jù)實現(xiàn)主從機通信，使主機模塊完成電流數(shù)據(jù)智能診斷的功能。系統(tǒng)樣機如圖8所示。

圖9為道岔尖軌和基本軌之間夾有異物造成轉(zhuǎn)轍機空轉(zhuǎn)時，道岔控制電路故障診斷系統(tǒng)主機顯示下的電流曲線頁面，故障分析結(jié)果顯示：“轉(zhuǎn)轍機外卡阻，請檢查軌道內(nèi)是否有雜物。”該測試與人工檢修結(jié)果一致，滿足實際功能需求。

圖8 道岔控制電路故障診斷系統(tǒng)樣機

圖9 轉(zhuǎn)轍機外卡阻電流曲線界面圖

5 結(jié)論

1) 針對道岔控制電路故障診斷理論和實物脫節(jié)的現(xiàn)象，引入形狀上下文算法設(shè)計故障診斷系統(tǒng)?？紤]到電流曲線是時間的函數(shù)，對其縮放、平移將使曲線失去固有屬性，對傳統(tǒng)算法進行改進，提出快速形狀上下文算法，并使用二維數(shù)組對S700K轉(zhuǎn)轍機正常和8條異常電流曲線存儲形成數(shù)據(jù)庫。

2) 采用X分布對S700K待匹配曲線與數(shù)據(jù)庫曲線匹配分析。為了防止拒匹配和誤匹配的發(fā)生，設(shè)置匹配代價門限值30。通過分析道岔尖軌和基本軌間夾有異物的故障情況表明，將該算法應(yīng)用于故障診斷存在可行性。另外，為了準確測試該方法的故障識別性能，重新獲取ZD6，S700K和ZYJ7轉(zhuǎn)轍機動作電流曲線進行樣本診斷。結(jié)果表明，故障識別率達到98%以上，保證了故障識別的準確性，

3) 實現(xiàn)故障診斷系統(tǒng)樣機，實際驗證算法的智能診斷效果。測試結(jié)果顯示，使用快速形狀上下文算法的故障診斷系統(tǒng)與人工檢修結(jié)果一致，實現(xiàn)了故障智能診斷的效果。經(jīng)后續(xù)進一步完善，可將其應(yīng)用于鐵路信號工程調(diào)試和開通過程中，也可應(yīng)用于鐵路電務(wù)系統(tǒng)的日常維護，具有一定的實用價值。

[1] 張釘, 李國寧. 基于改進WNN分析功率曲線的S700K轉(zhuǎn)轍機故障診斷[J]. 鐵道科學與工程學報, 2018, 15(8): 2123?2130. ZHANG Ding, LI Guoning. Fault diagnosis of S700K switch machine based on improved WNN analysis power curve[J]. Journal of Railway Science and Engineering, 2018, 15(8): 2123?2130.

[2] 程宇佳. 基于核方法的高速鐵路道岔故障診斷[D]. 北京: 北京交通大學, 2016. CHENG Yujia. High-speed railway switch fault diagnosis based on kernel methods[D]. Beijing: Beijing Jiaotong University, 2016.

[3] 肖蒙, 翟琛, 潘翠亮. 基于快速貝葉斯網(wǎng)絡(luò)的S700K轉(zhuǎn)轍機故障診斷研究[J]. 鐵道科學與工程學報, 2015, 12(2): 414?418. XIAO Meng, ZHAI Chen, PAN Cuiliang. Research on S700K switch machine fault diagnosis based on fast bayesian network[J]. Journal of Railway Science and Engineering, 2015, 12(2): 414?418.

[4] 趙林海, 陸橋. 基于灰關(guān)聯(lián)的道岔故障診斷方法[J].鐵道學報, 2014, 36(2): 69?74. ZHAO Linhai, LU Qiao. Method of turnout fault diagnosis based on grey correlation analysis[J]. Journal of the China Railway Society, 2014, 36(2): 69?74.

[5] 周瑜, 劉俊濤, 白翔. 形狀匹配方法研究與展望[J]. 自動化學報, 2012, 38(6): 889?910. ZHOU Yu, LIU Juntao, BAI Xiang. Research and perspective on shape matching[J]. Acta Automatica Sinica, 2012, 38(6): 889?910.

[6] 肖金山, 何濤, 曹德瑾, 等. 基于PS-LCD開發(fā)的道岔控制電路智能分析儀[J]. 儀表技術(shù)與傳感器, 2018(4): 40?45. XIAO Jinshan, HE Tao, CAO Dejin, et al. Intelligent analyzer for switching control circuit based on PS-LCD[J]. Instrument Technology and Sensor, 2018(4): 40?45.

[7] 趙鍵. 點模式匹配算法研究[D]. 長沙: 國防科學技術(shù)大學, 2012. ZHAO Jian. The research on point pattern matching[D]. Changsha: National University of Defense Technology, 2012.

[8] Bohg J, Kragic D. Learning grasping points with shape context[J]. Robotics & Autonomous Systems, 2010, 58(4): 362?377.

[9] Belongie S. Shape matching and object recognition using shape context[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2002, 24(4): 509?522.

[10] Mori G, Malik J. Estimating human body configuration using shape context matching[J]. Lecture Notes in Computer Science, 2002(2352): 666?680.

[11] 王瑞峰, 陳旺斌. 基于灰色神經(jīng)網(wǎng)絡(luò)的S700K轉(zhuǎn)轍機故障診斷方法研究[J]. 鐵道學報, 2016, 38(6): 68?72. WANG Ruifeng, CHEN Wangbin. Research on fault diagnosis method for S700K switch machine based on gray neural network[J]. Journal of the China Railway Society, 2016, 38(6): 68?72.

[12] Eker O F, Camci F, Kumar U. SVM based diagnostics on railway turnouts[J]. International Journal of Performability Engineering, 2012, 8(3): 289?298.

Application of fast shape context algorithm in fault diagnosis of switch control circuit

XIAO Jinshan, XIA Rongbin, KONG Linggang

(Changzhou Research Institute, Lanzhou Jiaotong University, Changzhou 213000, China)

Aiming at the problem that fault diagnosis method of switch control circuit is relatively backward, a fault diagnosis system for switch control circuit based on fast shape context algorithm was designed by combining theoretical research and practical research. The system used a two-dimensional array to store the normal current and eight typical abnormal current curve data of S700K switch machine uploaded by the sub-module in the microcomputer monitoring system to form a database, theXdistribution was used to calculate the matching price between the curve to be matched and the database curve. According to the size of this value, the working state of the switch control circuit was judged to realize fault intelligent diagnosis. The case analysis and system test show that the method can be effectively applied to the fault intelligent identification of switch control circuit and has certain practical value.

switch control circuit; fast shape context; fault diagnosis; S700K switch machine; database

U284.72

A

1672 ? 7029(2019)08? 2091 ? 09

10.19713/j.cnki.43?1423/u.2019.08.028

2018?10?22

江蘇省創(chuàng)新能力建設(shè)計劃產(chǎn)學研聯(lián)合重大創(chuàng)新載體項目(BM2016004)；甘肅省自然科學基金資助項目(18JR3RA116)

孔令剛(1978?)，男，安徽肥東人，副教授，從事軌道交通自動化研究；E?mail：850726917@qq.com

(編輯 陽麗霞)