[发明专利]铁路道岔故障的智能检测方法

说明书

一种铁路道岔的智能检测方法。传统的道岔故障检测方式不仅会耗费大量人力、物力、财力，而且检测结果完全依赖于个人工作经验。随着人工智能的飞速发展，研究铁路道岔的智能诊断器是亟待解决的问题。本发明方法包括：获取铁路道岔动作电流离散值；对所获离散值进行规范化处理及特征选择；构设训练集和验证集；根据得到的训练集，学习分类器；确定最终的分类器。本发明设计了更符合要求的道岔故障识别性能评价标准，通过matlab软件对广州钟村站W1902#和W1904#型号的道岔动作电流数据进行仿真实验。实验结果显示智能检测系统不仅具有非常高的识别性能和泛化能力，而且识别时间为0.04s,满足铁路实时性要求。

技术领域

本发明涉及铁路道岔故障的智能识别系统，具体涉及通过微机监测系统采集道岔动作电流数据的特征选择与提取方法、识别器的学习模型构建、模型算法的设计、识别性能评价标准的设计、识别器的收益效果。

背景技术

作为一种重要的铁路信号基础设备，道岔的运行情况与列车的安全运行和运输效率密不可分。一旦道岔运行发生故障没有及时检修，会带来非常大的安全隐患，对人们的生命和财产安全造成巨大损失。因此，实时监控其运行状态，并及时处理故障是铁路安全运行的关键问题之一。

目前，我国大部分地区铁路道岔故障的传统检测方法是利用微机监测系统采集道岔转辙机动作时的电流值，图1给出了随着时间变化，道岔转辙机动作时产生的电流变化趋势图。该图可分为切断表示电流、解锁、转换、锁闭、接通表示电流五个阶段。具体地，正常道岔电流曲线有如下的变化趋势：在刚启动时会需要较大的功率，使得功率曲线急剧上升；随后设备平稳运行，其输出功率又急剧下降并趋于平稳；随着道岔锁闭的完成，功率曲线会出现一定小幅度的下降，但并不会降到0；当道岔位置给出，相应电路被断开，其功率也随之降为0。

道岔传统的故障检测方式主要是现场工作人员将微机监测系统监测出的道岔动作电流曲线与总结得到的电流曲线进行人为比对，最终确定道岔的工作状态。然而，这种人工识别方式存在三个方面的缺陷：(1).对维护人员的工作经验依赖度较高，容易出现误判或漏判等情况，特别是当道岔故障被误判为正常状态时，会导致未及时采取维护措施，造成无法挽回的损失。(2).在中国高速铁路和客运专线飞速发展的今天，这种单纯靠人工经验判断错综复杂的道岔设备的运行状态需要耗费大量的人力、物力和财力。(3).人工判断效率极其低下，已经完全不能满足经济发展的要求和人民出行的需求。因此，在当今人工智能和中国铁路事业飞速发展的大背景下，研究一种具备学习能力的道岔故障智能识别方法是亟待解决的问题之一。

当前道岔故障的智能诊断方法面临的两大技术问题在于：(1).由于道岔工作机理复杂，在动作过程产生的电流值变化较大，当前提取特征的方法有效信息量不够、信息不准确，导致后续识别准确性不高；(2).故障道岔是否准确及全的识别，才是我们研究的核心问题。当前，识别方法及对方法的评价标准的出发点存在偏差，导致即使识别率达到99％，也可能只是将100条道岔数据(包含99条正常道岔，1条故障道岔)全部识别为正常道岔。这对解决该问题没有任何意义。因此，如何解决以上两个关键技术问题实现真正意义上的道岔故障智能诊断是极具挑战的难题。

发明内容

本发明目的是解决现有技术存在的以上缺陷，提供一种铁路道岔故障的智能检测方法，真正实现道岔故障的高效、全面、精准的智能诊断，提高铁路运输系统安全和效率。本发明从道岔数据的缺失值补齐、特征提取、道岔智能识别问题的转化，道岔的智能识别技术，识别性能指标的设计方面进行研究，提供一种基于不均衡问题的铁路道岔故障智能诊断技术。

本发明的技术方案

一种铁路道岔故障的智能检测方法，具体如下：

步骤1、从铁路部门的微机监测系统中采集道岔动作电流离散值；

步骤1.1将道岔动作的电流离散值及动作时间记录在数据库中；

步骤1.2以时间为坐标系的横轴，离散电流值为纵轴，画出随时间变化时，道岔电流值得变化曲线；