亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于神經(jīng)網(wǎng)絡和馬爾科夫模型的道岔故障診斷與預測研究

        2023-11-27 11:58:54陳紅霞孔筱筱
        科技創(chuàng)新與應用 2023年33期
        關鍵詞:故障診斷動作故障

        陳紅霞,孔筱筱

        (南京鐵道職業(yè)技術學院,南京 210031)

        截至2022年底,我國鐵路營業(yè)里程已突破15.5 萬km,其中高速鐵路營業(yè)里程已達到4.2 萬km。鐵路線路的完好是保證行車安全的重要保障,道岔是鐵路線路三大薄弱環(huán)節(jié)之一,如果道岔發(fā)生故障,維修不及時的話,可能導致嚴重的事故和較大的損失。因此針對道岔的研究以減少其發(fā)生故障是十分必要的。

        目前,我國道岔故障狀態(tài)的監(jiān)測和狀態(tài)信息采集主要是通過鐵路信號集中監(jiān)測系統(tǒng),通過該系統(tǒng)掌握道岔的運行狀態(tài),并為分析道岔故障原因提供可靠依據(jù)。但在道岔發(fā)生故障時,缺少一個狀態(tài)監(jiān)測和故障診斷一體的綜合監(jiān)測軟件,只能去現(xiàn)場確認查看,進而判斷故障原因進行處理。這種維護方式隨著高鐵線路的不斷增加,效率就顯得很低。隨著鐵路的發(fā)展,必然需要采用新的理論和技術對道岔的故障預測進行探索。道岔故障預測即對道岔進行預防維修將是道岔故障分析的新方向,也是本論文的研究內(nèi)容。

        本文以S700K 電動轉(zhuǎn)轍機為研究對象,實現(xiàn)道岔退化狀態(tài)的識別、故障的預測。通過對道岔典型故障退化狀態(tài)的挖掘和劃分,進行道岔故障診斷及狀態(tài)評估,實現(xiàn)道岔狀故障預測的目的。

        1 理論依據(jù)

        S700K 型電動轉(zhuǎn)轍機由電機、摩擦聯(lián)結(jié)器、齒輪組、保持連接器、滾珠絲杠、動作桿、鎖閉桿和速動開關組等組成。

        1.1 動作過程

        S700K 型電動轉(zhuǎn)轍機與外鎖閉裝置配套使用,具有通過能力強、使用壽命長、安全可靠性高等優(yōu)良性能,因而被廣泛應用于我國的高速鐵路線路。下面是S700K型電動轉(zhuǎn)轍機實現(xiàn)道岔轉(zhuǎn)換電路,主要包括啟動電路、動作電路和表示電路。

        以道岔向定位轉(zhuǎn)換為例,首先由計算機聯(lián)鎖設備發(fā)出道岔從反位向定位轉(zhuǎn)換的操縱指令后,YCJ↑和DCJ↑,1DQJ 的3-4 線圈勵磁、1DQJF 隨之勵磁吸起,由1DQJF↑接通2DQJ 的轉(zhuǎn)極電路。當2DQJ 轉(zhuǎn)極后,1DQJ的自閉電路斷開,通過1DQJ、1DQJF、2DQJ 的接點向室外送三相動作電源,BHJ 在1DQJ 的緩放時間內(nèi)吸起,1DQJ 的1-2 線圈通過BHJ↑構(gòu)成自閉電路。1DQJ 的緩放時間長度與3-4 線圈充磁的時間成正比。

        圖1中A 相-RD1-DBQ11-21-1DQJ11-12-電動機A 繞組、B 相-RD2-DBQ31-41-1DQJF11-12-2DQJ111-113-轉(zhuǎn)轍機接點11-12-電動機C 繞組和C 相-RD3-DBQ51-61-1DQJF21-22-2DQJ121-123-轉(zhuǎn)轍機接點13-14-遮斷開關K-電動機B 繞組道岔從反位向定位轉(zhuǎn)換時的動作電路圖。表示電路由表示變壓器、定位表示繼電器、電阻和速動開關組組成。道岔轉(zhuǎn)換到規(guī)定的位置后,BHJ↓,1DQJ↓,1DQJF↓,動作電源被切斷,通過1DQJ↓接通其表示電路。

        圖1 動作電路圖

        1.2 S700K 電動轉(zhuǎn)轍機常見故障分類及分析

        道岔故障主要通過鐵路信號集中監(jiān)測系統(tǒng)調(diào)取查看道岔動作的功率曲線進行故障分析,然后根據(jù)道岔在轉(zhuǎn)換過程中的阻力變化情況對道岔故障情況進行診斷。此外,由于電流曲線也能夠較好反映道岔電路結(jié)構(gòu)上出現(xiàn)的故障情況,鐵路維護人員也將道岔電流數(shù)據(jù)作為輔助診斷依據(jù),從而達到更全面的故障分析。圖2 是某道岔在某次正常動作情況下的三相電流以及功率曲線。正常情況下,S700K 型電動轉(zhuǎn)轍機完成一次完整的動作轉(zhuǎn)換大概需要9 s,鐵路信號集中監(jiān)測采集系統(tǒng)的采樣頻率為40 ms,所以道岔一次正常動作時間內(nèi)采集到的數(shù)據(jù)曲線大約包含230 個數(shù)據(jù)點。S700K 五線制道岔控制電路動作時序為1DQJ 吸起、1DQJF 吸起、2DQJ 轉(zhuǎn)極、BHJ 吸起,三相電經(jīng)斷相保護器DBQ 送至室外轉(zhuǎn)轍機電機線圈。要注意的是,1DQJ 有0.8 s 的緩放時間,期間是1DQJF 吸起、2DQJ 轉(zhuǎn)極、BHJ 吸起的時間,0.8 s 后三相電送進來,溝通1DQJ 自閉電路。如果其中哪個環(huán)節(jié)沒有完成,1DQJ 都將在0.8 s 后緩放落下。一般情況下,道岔轉(zhuǎn)換過程中,一條完整的功率或電流曲線主要由啟動解鎖、轉(zhuǎn)換、鎖閉以及表示4 個部分組成。

        圖2 正常情況下的標準動作曲線

        道岔系統(tǒng)內(nèi)部結(jié)構(gòu)復雜,長期處于室外惡劣多變的環(huán)境中以及受到列車經(jīng)過時帶來的巨大沖擊力影響,這些因素使得道岔成為了信號系統(tǒng)中最“脆弱”的設備之一。根據(jù)現(xiàn)場專家經(jīng)驗、相關文獻查詢,本論文對每種故障的類型和現(xiàn)象進行闡述,并對可能產(chǎn)生故障的原因進行了分析總結(jié)得到表1,這對于后續(xù)故障診斷和故障預測起著重要的作用。

        表1 道岔常見故障模式

        以上幾種故障模式根據(jù)其發(fā)生前是否具有明顯征兆分為2 類:可預測故障和突發(fā)性故障。其中,可預測故障是指在道岔不斷的往復運動過程中,在不考慮突發(fā)情況的前提下由于道岔機械性能的退化而引發(fā)的漸變性故障,例如由于轉(zhuǎn)換過潤滑減小程阻力過大沒能及時維護引發(fā)的卡阻故障F4 屬于機械性能下降導致的阻力增大引發(fā)的可預測故障。突發(fā)性故障由于發(fā)生無任何征兆,具有極強的隨機性,無法進行故障預測研究。因此在本研究的故障預測研究工作中,將選取由于阻力逐漸增大導致的F4 故障進行研究。

        2 分析過程和方法

        退化狀態(tài)是介于正常與故障之間的一種工作狀態(tài),該狀態(tài)會隨著時間的推移,最終的結(jié)果會演化成故障狀態(tài)。盡管這種狀態(tài)不是導致道岔故障的根本原因,但是是增加道岔故障的可能性原因,因此有必要對道岔的退化狀態(tài)進行識別,通過識別其退化狀態(tài)達到預防故障發(fā)生的目的。

        2.1 基于Kohonen 網(wǎng)絡的退化狀態(tài)挖掘

        Kohonen 網(wǎng)絡的這種拓撲結(jié)構(gòu)能對人腦神經(jīng)細胞的特點和工作機理進行模擬。輸入層模擬不同的刺激信號,輸出層中的每個節(jié)點模擬為神經(jīng)細胞。由于神經(jīng)細胞興奮的原因是接收到了信號的刺激,因此,當輸入節(jié)點接收到樣本數(shù)據(jù)的“刺激信號”后,將通過網(wǎng)絡連接“傳遞”給輸出節(jié)點。輸出節(jié)點將對不同的輸入表現(xiàn)出不同的“敏感性”,并通過側(cè)向連接影響其鄰接節(jié)點,最終“獲勝”的輸出節(jié)點將給出最大的輸出值。圖3 是Kohonen 神經(jīng)網(wǎng)絡學習算法程序流程。

        由以上可知,道岔的一次工作曲線大約為9 s,鐵路信號集中監(jiān)測系統(tǒng)采集周期是40 ms,一般采集到的功率數(shù)據(jù)要比故障時的多,如果把所有的數(shù)據(jù)作為故障診斷模型的輸入,這樣會導致部分故障特征被忽略掉,同時還增加訓練和測試的時間,影響診斷的效率和性能,所以要根據(jù)其特點,對這些數(shù)據(jù)進行特征提取,提取出典型的故障特征數(shù)據(jù)。

        針對表1,結(jié)合Fisher 準則函數(shù)和LLE 2 種方法,篩選表征故障狀態(tài)的特征量,并對特征進行降維處理,得出合適的特征輸入,完成道岔轉(zhuǎn)換過程中的功率數(shù)據(jù)的提取。針對道岔降維后的功率數(shù)據(jù)特征,采用Kohonen神經(jīng)網(wǎng)絡進行無監(jiān)督學習聚類得出其退化狀態(tài)選擇流程圖。

        ?

        根據(jù)上述方法進行分析,得出6 種退化狀態(tài)挖掘數(shù)據(jù),見表2。

        表2 退化狀態(tài)挖掘結(jié)果

        每種狀態(tài)與正常動作功率曲線相比發(fā)現(xiàn)。狀態(tài)1 的功率數(shù)據(jù)值普遍偏小,但是動作時間及功率值的波動性都和正常的道岔動作一致,該狀態(tài)只能當做一類特殊的正常樣本看待。狀態(tài)2、狀態(tài)3 及狀態(tài)4 三種狀態(tài)的功率曲線無論是解鎖階段,還是鎖閉和緩放階段功率表征與正常動作過程基本一致??梢酝茢喑鲞@3 種狀態(tài)退化過程不斷加重,并且和道岔轉(zhuǎn)換過程阻力異常故障相關聯(lián)。狀態(tài)5 的功率數(shù)據(jù)在初始動作階段較為正常,只是在動作階段和鎖閉階段的結(jié)合部分,功率值異常波動。該狀態(tài)沒有形成有效的集中分布,所以不用于有效樣本。狀態(tài)6 的功率數(shù)據(jù)最大的特點是解鎖功率值過低,而且鎖閉時功率值有異常波動,和狀態(tài)5 所表征的意義基本一致,所以也不用于有效樣本。

        2.2 隱馬爾可夫(HMM)模型

        以上得到了典型故障以及退化狀態(tài)的功率樣本數(shù)據(jù),要找出典型退化狀態(tài)與故障狀態(tài)之間的聯(lián)系,從而有效地識別道岔設備所處的健康狀態(tài)。本論文利用隱馬爾可夫模型在故障識別領域的優(yōu)越性,結(jié)合上述數(shù)據(jù)處理結(jié)果,采用隱馬爾可夫模型對道岔系統(tǒng)進行狀態(tài)識別,即正常工作狀態(tài)、退化狀態(tài)和故障狀態(tài),為現(xiàn)場工作人員制定合理的道岔維護計劃提供有力的幫助。

        隱馬爾可夫模型是一種在Markov 鏈的基礎上發(fā)展起來的統(tǒng)計信號模型,能夠利用收集的訓練樣本進行自適應學習,該方法非常適合類似于道岔這種復雜設備進行模式識別與故障診斷。

        一個隱馬爾可夫模型是不確定的、隨機的有限狀態(tài)自動機,由不可觀測的狀態(tài)轉(zhuǎn)移過程和可觀測的觀察生成過程組成。它可分為離散型和連續(xù)型,本文利用離散HMM。離散HMM 是一個五元組

        1)狀態(tài)的集合S={S1,S2,…,SN}。記N個狀態(tài)為θ1,…,θN,記t時刻馬爾可夫鏈所處狀態(tài)為qt,顯然qt∈(θ1,…,θN)。

        2)M:每個狀態(tài)對應的可能的觀察值數(shù)目。觀測符號集合V={ν1,ν2,…,νM}。

        3)T:觀測符號序列的長度,觀測符號序列O={O1,O2,…,OT}。記M個觀察值為V1,…,VM,記t時刻觀察到的觀察值為ot,其中ot∈(V1,…,VM)。

        4)π:初始狀態(tài)概率π=(π1,…,πN),式中

        5)A:狀態(tài)轉(zhuǎn)移概率矩陣,(aij)N×N,式中

        6)B:觀察值概率矩陣,bjk( )N×N,式中

        基于HMM 的道岔狀態(tài)評估系統(tǒng)由3 部分組成,分別為數(shù)據(jù)處理、矢量量化和狀態(tài)評估。數(shù)據(jù)處理主要根據(jù)圖2 和表2 的分析結(jié)果進行樣本數(shù)據(jù)的特征提取、選擇和降維,得到道岔狀態(tài)的有效特征向量;然后根據(jù)隱馬爾可夫模型進行處理和量化得出模型的輸入,建立正常狀態(tài)、故障狀態(tài)、退化狀態(tài)等模型,最后利用樣本值驗證隱馬爾可夫模型的準確性,從而實現(xiàn)道岔設備故障診斷和故障預測。對道岔的健康狀態(tài)進行評估。

        根據(jù)以上分析,利用表2 中退化樣本中3 種退化狀態(tài)數(shù)據(jù)和阻力異常故障樣本進行道岔設備故障診斷及健康狀態(tài)的評估。將6 種不同維度輸入的樣本集合用于進行HMM 模型訓練與驗證。從結(jié)果上看,HMM 診斷識別率、準確度都比較高,所以在實際應用中,該方法比較合適。

        3 故障預測與故障診斷平臺設計

        根據(jù)以上分析,設計道岔故障診斷與預測系統(tǒng),系統(tǒng)結(jié)構(gòu)如圖4 所示。

        圖4 故障預測和故障診斷系統(tǒng)結(jié)構(gòu)

        該系統(tǒng)包括主機,主機通過導線連接有電源模塊,電源模塊用于提供主機所需的電能,主機通過信號線連接有數(shù)據(jù)輸入模塊和數(shù)據(jù)輸出模塊,數(shù)據(jù)輸入模塊用于對外部監(jiān)測得到的數(shù)據(jù)進行輸入,數(shù)據(jù)輸出模塊用于對分析的結(jié)果進行輸出,主機通過信號線連接有分析模塊,分析模塊對采集的數(shù)據(jù)進行分析,從而能夠得出故障預測結(jié)果,主機通過信號線連接有存儲模塊,存儲模塊用于對輸入的歷史數(shù)據(jù)進行存儲,數(shù)據(jù)輸入模塊通過信號線連接有實驗模塊,實驗模塊用于模擬道岔工作的實際情況從而輸出各項參數(shù)以供分析,實驗模塊通過信號線連接有外觀監(jiān)測模塊和電路監(jiān)測模塊,外觀監(jiān)測模塊通過實際工作的外部狀況對道岔的工作情況進行監(jiān)測,電路監(jiān)測模塊通過對道岔轉(zhuǎn)轍機工作的電路狀況對道岔的工作情況進行監(jiān)測,主機通過信號線連接有訓練模塊,訓練模塊通過對實驗模塊輸入的各種數(shù)據(jù)結(jié)果進行分析,從而得出符合實際情況的函數(shù)模型,以便進行各種復雜狀況的快速分析,主機通過信號線連接有警示模塊,警示模塊用于對故障預測進行警示。

        4 結(jié)論

        本論文以S700K 型電動道岔轉(zhuǎn)轍機為研究對象,通過闡述道岔的轉(zhuǎn)換原理,信號集中監(jiān)測系統(tǒng)采集的功率曲線,分析了道岔的正常工作狀態(tài)和故障狀態(tài),以及故障產(chǎn)生的原因。利用神經(jīng)網(wǎng)絡和馬爾科夫建立故障診斷模型,根據(jù)故障模式的類型進行分類,并提出了故障識別的方法,建立道岔故障診斷和預測的系統(tǒng)平臺,對于現(xiàn)場道岔設備的維護工作由很重要的指導意義和參考價值。

        猜你喜歡
        故障診斷動作故障
        故障一點通
        動作描寫要具體
        畫動作
        動作描寫不可少
        奔馳R320車ABS、ESP故障燈異常點亮
        因果圖定性分析法及其在故障診斷中的應用
        非同一般的吃飯動作
        故障一點通
        江淮車故障3例
        基于LCD和排列熵的滾動軸承故障診斷
        亚洲av永久综合网站美女| 亚洲精品乱码久久久久久金桔影视| 97伦伦午夜电影理伦片| 97一期涩涩97片久久久久久久 | 亚洲人成网站18禁止| 99精品一区二区三区无码吞精 | 国产91精品在线观看| 精品国产a一区二区三区v| 欧美性白人极品1819hd| 国产一区二区在线视频| 国产精品久久无码不卡黑寡妇| 日韩成精品视频在线观看| 中国亚洲一区二区视频| 国产亚洲欧美精品久久久| 欧美中文在线观看| 人妻熟女中文字幕在线视频| 2020国产在视频线自在拍| 国产女厕偷窥系列在线视频| 2021国产精品视频| 开心激情网,开心五月天| 久久精品网站免费观看| 国精无码欧精品亚洲一区| 亚洲中文字幕巨乳人妻| 女同在线网站免费观看| 人妻丰满熟av无码区hd| 日韩精品人妻系列无码专区免费 | 无码伊人66久久大杳蕉网站谷歌| 国产精品久久久久精品一区二区| 亚洲成a v人片在线观看| 国产人澡人澡澡澡人碰视频| 国产极品美女高潮抽搐免费网站| 一区二区三区在线日本| 亚洲精品久久国产精品| av片在线观看免费| 无码精品一区二区三区超碰| 国产精品日本中文在线| 亚洲av不卡无码国产| 亚洲欧美aⅴ在线资源| 99精品国产兔费观看久久| 黄片免费观看视频播放| 午夜精品久久久久久久99热|