一种基于定性趋势分析的道岔故障诊断方法技术

本发明专利技术公开了一种基于定性趋势分析的道岔故障诊断方法。方法为：首先，对道岔正常、解锁困难、转换台阶阻力故障、转换锯齿阻力故障、锁闭困难故障五种状态下的典型电流运转信号进行高斯滤波和区间半分趋势提取，总结故障趋势规则，建立故障诊断知识库；然后将待诊断电流运转信号进行高斯滤波和区间半分趋势提取，将得到的故障趋势与故障诊断知识库中的故障趋势规则进行匹配，得到相应的匹配度，如果匹配度均小于0.5，则通过人工分析来确定故障原因；如果匹配度不是均小于0.5，则匹配度最大的故障趋势即为道岔状态；最后输出故障诊断结果。本发明专利技术成本低、结构简单、操作方便，诊断结果可信度高。

A fault diagnosis method for Turnout Based on qualitative trend analysis

The invention discloses a fault diagnosis method for Turnout Based on qualitative trend analysis. The method is as follows: firstly, on normal difficulty, turnout and unlocking steps and typical fault resistance conversion current signal conversion operation fault, fault locking serrated resistance under five conditions of Gauss filter and half interval extraction trend, summarize the fault trend rules to establish a knowledge base for fault diagnosis; then Gauss filtering and interval extraction half the current trends in diagnosis operation signal, to match the rules of fault trend fault trend and fault diagnosis knowledge base, matching the corresponding, if the match is less than 0.5, through the artificial analysis to determine the cause of the malfunction; if the match is not less than 0.5, it is the largest degree, fault trend as the state of switch; the final output results of fault diagnosis. The invention has the advantages of low cost, simple structure, convenient operation, and high reliability of diagnosis result.

【技术实现步骤摘要】
一种基于定性趋势分析的道岔故障诊断方法
本专利技术属于铁路道岔状态检测领域，特别是一种基于定性趋势分析的道岔故障诊断方法。
技术介绍
道岔安装在两股或者多股轨道之间用于连接不同轨道。受自身复杂机械结构和执行机构的制约，道岔各部分的机械强度一般低于线路上的设备，因此机械结构容易发生疲劳变化，从而造成道岔尖轨和基本轨之间间隙过大的情况，导致列车发生挤岔甚至脱轨事故。道岔一般安装于室外，其工作环境受天气因素影响较大，如大风天气可导致道岔尖轨与基本轨之间堵塞杂物从而卡阻，雨雪天气使得滑床板受到异常阻力从而影响道岔转换，这些都有可能成为列车行车安全的潜在隐患。目前，各大铁路仍然依靠传统的定期预防性检测和人工计划检修来完成道岔设备运行状态的检测，现场维修工人无法第一时间发现产生故障的道岔，并且人工检测对检修人员的经验要求较高，常发生新员工因经验不足而误诊的情况。为了解决这个问题，目前一些铁路线路上安装有道岔设备微机监测设备，该设备能够根据采集道岔动作的电流和转换力等信号，并在设备中集成了基于阈值判断的故障诊断软件来实现故障报警。但是，道岔现场复杂和恶劣的运行工作环境使得微机监测设备中预设的阈值在道岔工作一段时间后就失去参考价值；此外，这些阈值一般也是由维护专家设置，专家经验的模糊性也使得其总结的阈值规则无法长期起作用并且得到有效推广。
技术实现思路
本专利技术的目的在于提供一种成本较低、机构简单、操作方便、可信度高的基于定性趋势分析的道岔故障诊断方法。实现本专利技术目的的技术解决方案为：一种基于定性趋势分析的道岔故障诊断方法，包括以下步骤：步骤1，对道岔正常、解锁困难、转换台阶阻力故障、转换锯齿阻力故障、锁闭困难故障五种状态的典型电流运转信号进行高斯滤波和区间半分趋势提取，总结故障趋势规则，建立故障诊断知识库；步骤2，对待诊断电流运转信号进行高斯滤波和区间半分趋势提取，得到一组趋势序列；步骤3，将得到的趋势序列与诊断知识库中的每种故障趋势规则进行匹配，得到相应的匹配度；步骤4，如果各个故障趋势规则的匹配度均小于0.5，则人工分段分析运转电流曲线，根据故障趋势确定道岔状态；如果各个故障趋势规则的匹配度未出现均小于0.5的情况，则将故障趋势规则的匹配度进行排序，匹配度最大的即为道岔的状态；步骤5，输出道岔状态即故障诊断结果。本专利技术与现有技术相比，其显著优点是：(1)从定性角度分析道岔故障模式，成本低，避免了微机监测系统的运行、维护成本；(2)诊断结果可信度较高，能够为道岔的检修提供有效的指导。附图说明图1为本专利技术基于定性趋势分析的道岔故障诊断方法的流程图。图2为区间半分法流程图。图3为实施例中滤波前及滤波后的道岔无故障运转曲线图。图4为实施例中无故障运转曲线趋势提取示意图。图5为实施例中趋势匹配度计算示意图。具体实施方式下面结合附图及具体实施例对本专利技术作进一步详细说明。结合图1，本专利技术基于定性趋势分析的道岔故障诊断方法，包含以下步骤：步骤1，对道岔正常、解锁困难、转换台阶阻力故障、转换锯齿阻力故障、锁闭困难故障五种状态的典型电流运转信号进行高斯滤波和区间半分趋势提取，总结故障趋势规则，建立故障诊断知识库；步骤2，对待诊断电流运转信号进行高斯滤波和区间半分趋势提取，得到一组趋势序列；步骤3，将得到的趋势序列与诊断知识库中的每种故障趋势规则进行匹配，得到相应的匹配度；步骤4，如果各个故障趋势规则的匹配度均小于0.5，则人工分段分析运转电流曲线，根据故障趋势确定道岔状态；如果各个故障趋势规则的匹配度未出现均小于0.5的情况，则将故障趋势规则的匹配度进行排序，匹配度最大的即为道岔的状态；步骤5，输出道岔状态即故障诊断结果。上述步骤1所述的区间半分趋势提取，包括以下步骤：第1步、小波阈值去噪，具体如下：(1.1)对信号进行离散小波变换；(1.2)将各层小波系数进行收缩；(1.3)对处理完成的小波系数进行离散小波逆变换；第2步、用区间半分法进行处理，具体如下：时间序列函数y(t)用一个指数为n的多项式表达，或者用一组指数不超过n的在单峰区域Ui上的分段单峰多项式pi(t)表达，即：y(t)＝{p1(t),p2(t),p3(t),...,pM(t)}，所以对于时间序列函数y(t)的分段划分转化为确定区间的开始、结束位置以及区间内多项式pi；i＝1,2,3,…,M；区间半分法的算法部分包含两个方面：(1)用区间半分法确定多项式pi或者单峰区域Ui的序列；(2)基于多项式pi的一阶微分和二阶微分的符号，对单峰区域Ui进行基元赋值；共有七种基元P：A(0，0)，B(+，+)，C(+，0)，D(+，-)，E(-，+)，F(-，0)，G(-，-)；对y进行最小二乘曲线拟合，得到系数矩阵多项式矩阵p＝[p0,p1,...,pn]和拟合结果式中式中T为时间t的集合，为第j个区域的时间节点；对每一个单峰区间进行归一化处理；拟合误差的显著程度用表示，并且用来与噪声估计σ2noise进行比较；假设过程信号y(t)由一组离散的采样数据点(y1,y2,y3,...,yN)构成，设置开始时间Ti＝1，结束时间Tf＝N，初始区间的长度l＝N，多项式初始次数n＝0，区间的长度阈值为lth＝10；y的下标为代识别区间中信号的下标；区间半分法包括以下步骤：(2.1)多项式拟合：Ifn＝0，将当前区间Wid＝[Ti,Tf]归一化为[0,1]，并将区间内的信号y(t)进行次数为n的多项式拟合，根据下式计算拟合误差：式中的自由度v为v＝l-(n+1)，即区间长度l减去系数的个数n+1；pni为第n个多项式系数值；检验统计量：式中：和是由样本方差估计的总体方差估计量，v1＝l-(n+1)，v2＝N-1表示这些估计量的自由度；因为噪声和拟合误差序列来自同一个总体，其中噪声为原始信号与小波阈值去噪后的信号之差，拟合误差为原始信号与拟合信号之差，所以式(3)转化为：设定H0:对式(4)进行置信度为α的单边F-test：如果式(5)中的不等式成立，则H0成立，证明拟合误差的显著性程度在可接受范围内，对区间的首尾位置进行奇异值识别并跳转到步骤(2.2)；如果式(5)中的不等式不成立，则H1成立，证明拟合误差的显著性程度超过可接受范围，则跳转到步骤(2.5)；(2.2)约束多项式拟合：如果Ti＝1，则直接跳转到(2.3)；如果Ti≠1，对当前区间和前一个数据区间进行约束多项式拟合；约束多项式拟合是通过提炼拟合多项式的系数和指数，以保证相邻两个区间拟合信号的连续性；对相邻两个区间进行最小二乘多项式拟合，得到下式：y1＝T1β1+e1；y2＝T2β2+e2(6)式中，下标1和2分别指代第一个区间和第二个区间；T1和T2为经过归一化后的区间多项式拟合系数，β1、β2为一阶变量，e1、e2为常量；设第i个区间中数据的个数和多项式拟合的指数分别为li和ni，则在第一个区间的结束部分和第二个区间的开始部分增加两个数值约束条件：式中和指代T1的第一列和最后一列，指代T2的第一列；如果n1＝n2＝2，那么区间经过归一化后得d0表示经过约束最小二乘后的第一个区间的首个拟合值，构建拉格朗日约束方程得：式中λ和μ分别表示拉格朗日乘法的系数；结合式(6)～(9)，列出求解方程：上述方程由(n1+1)维向量等式本文档来自技高网...

【技术保护点】
一种基于定性趋势分析的道岔故障诊断方法，其特征在于，包括以下步骤：步骤1，对道岔正常、解锁困难、转换台阶阻力故障、转换锯齿阻力故障、锁闭困难故障五种状态的典型电流运转信号进行高斯滤波和区间半分趋势提取，总结故障趋势规则，建立故障诊断知识库；步骤2，对待诊断电流运转信号进行高斯滤波和区间半分趋势提取，得到一组趋势序列；步骤3，将得到的趋势序列与诊断知识库中的每种故障趋势规则进行匹配，得到相应的匹配度；步骤4，如果各个故障趋势规则的匹配度均小于0.5，则人工分段分析运转电流曲线，根据故障趋势确定道岔状态；如果各个故障趋势规则的匹配度未出现均小于0.5的情况，则将故障趋势规则的匹配度进行排序，匹配度最大的即为道岔的状态；步骤5，输出道岔状态即故障诊断结果。

【技术特征摘要】
1.一种基于定性趋势分析的道岔故障诊断方法，其特征在于，包括以下步骤：步骤1，对道岔正常、解锁困难、转换台阶阻力故障、转换锯齿阻力故障、锁闭困难故障五种状态的典型电流运转信号进行高斯滤波和区间半分趋势提取，总结故障趋势规则，建立故障诊断知识库；步骤2，对待诊断电流运转信号进行高斯滤波和区间半分趋势提取，得到一组趋势序列；步骤3，将得到的趋势序列与诊断知识库中的每种故障趋势规则进行匹配，得到相应的匹配度；步骤4，如果各个故障趋势规则的匹配度均小于0.5，则人工分段分析运转电流曲线，根据故障趋势确定道岔状态；如果各个故障趋势规则的匹配度未出现均小于0.5的情况，则将故障趋势规则的匹配度进行排序，匹配度最大的即为道岔的状态；步骤5，输出道岔状态即故障诊断结果。2.根据权利要求1所述的基于定性趋势分析的道岔故障诊断方法，其特征在于，步骤1所述的区间半分趋势提取，包括以下步骤：第1步、小波阈值去噪，具体如下：(1.1)对信号进行离散小波变换；(1.2)将各层小波系数进行收缩；(1.3)对处理完成的小波系数进行离散小波逆变换；第2步、用区间半分法进行处理，具体如下：时间序列函数y(t)用一个指数为n的多项式表达，或者用一组指数不超过n的在单峰区域Ui上的分段单峰多项式pi(t)表达，即：y(t)＝{p1(t),p2(t),p3(t),...,pM(t)}，所以对于时间序列函数y(t)的分段划分转化为确定区间的开始、结束位置以及区间内多项式pi；i＝1,2,3,…,M；区间半分法的算法部分包含两个方面：(1)用区间半分法确定多项式pi或者单峰区域Ui的序列；(2)基于多项式pi的一阶微分和二阶微分的符号，对单峰区域Ui进行基元赋值；共有七种基元P：A(0，0)，B(+，+)，C(+，0)，D(+，-)，E(-，+)，F(-，0)，G(-，-)；对y进行最小二乘曲线拟合，得到系数矩阵多项式矩阵p＝[p0,p1,...,pn]和拟合结果式中式中T为时间t的集合，为第j个区域的时间节点；对每一个单峰区间进行归一化处理；拟合误差的显著程度用表示，并且用来与噪声估计σ2noise进行比较；假设过程信号y(t)由一组离散的采样数据点(y1,y2,y3,...,yN)构成，设置开始时间Ti＝1，结束时间Tf＝N，初始区间的长度l＝N，多项式初始次数n＝0，区间的长度阈值为lth＝10；y的下标为代识别区间中信号的下标；区间半分法包括以下步骤：(2.1)多项式拟合：Ifn＝0，将当前区间Wid＝[Ti,Tf]归一化为[0,1]，并将区间内的信号y(t)进行次数为n的多项式拟合，根据下式计算拟合误差：式中的自由度v为v＝l-(n+1)，即区间长度l减去系数的个数n+1；pni为第n个多项式系数值；检验统计量：式中：σ12和是由样本方差估计的总体方差估计量，v1＝l-(n+1)，v2＝N-1表示这些估计量的自由度；因为噪声和拟合误差序列来自同一个总体，其中噪声为原始信号与小波阈值去噪后的信号之差，拟合误差为原始信号与拟合信号之差，所以式(3)转化为：设定H0:H1:对式(4)进行置信度为α的单边F-test：如果式(5)中的不等式成立，则H0成立，证明拟合误差的显著性程度在可接受范围内，对区间的首尾位置进行奇异值识别并跳转到步骤(2.2)；如果式(5)中的不等式不成立，则H1成立，证明拟合误差的显著性程度超过可接受范围，则跳转到步骤(2.5)；(2.2)约束多项式拟合：如果Ti＝1，则直接跳转到(2.3)；如果Ti≠1，对当前区间和前一个数据区间进行约束多项式拟合；约束多项式拟合是通过提炼拟合多项式的系数和指数，以保证相邻两个区间拟合信号的连续性；对相邻两个区间进行最小二乘多项式拟合，得到下式：y1＝T1β1+e1；y2＝T2β2+e2(6)式中，下标1和2分别指代第一个区间和第二个区间；T1和T2为经过归一化后的区间多项式拟合系数，β1、β2为一阶变量，e1、e2为常量；设第i个区间中数据的个数和多项式拟合的指数分别为li和ni，则在第一个区间的结束部分和第二个区间的开始部分增加两个数值约束条件：式中和指代T1的第一列和最后一列，指代T2的第一列；如果n1＝n2＝2，那么区间经过归一化后得d0表示经过约束最小二乘后的第一个区间的首个拟合值，构建拉格朗日约束方程得：

【专利技术属性】
技术研发人员：董伟，邢宗义，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32