文献类型：期刊文章

作　　者：梅欢[1,2] 马艳东[1,2] 单九思[3] 彭晔[3]

机构地区：[1]河北省科学院应用数学研究所,河北石家庄050081 [2]河北省信息安全认证工程技术研究中心,河北石家庄050081 [3]石家庄铁道大学,河北石家庄050043

出　　处：《计算机技术与发展》

基　　金：河北省科技计划项目(15210331);河北省科学院科技计划项目(16606)

年　　份：2017

卷　　号：27

期　　号：5

起止页码：160-163

语　　种：中文

收录情况：JST、RCCSE、ZGKJHX、普通刊

摘　　要：随着列车运行速度与行车密度的不断提高,道岔将面临更加严峻的考验,而传统依靠维护人员研读相关监测数据进行故障诊断的手段,越来越不能够适应铁路对运行安全的高要求。为快速、准确诊断出道岔故障,特建立基于三次样条插值与RBF神经网络的智能道岔故障诊断模型。利用基于三次样条插值的数据整合模块将不同维数的道岔动作电流数据划归成统一的数据维数。采用新型RBF神经网络对其进行故障诊断。利用某火车站道岔动作的真实历史监测数据对所提模型的有效性与可行性进行验证。实验结果表明,所提出的模型不仅能够适应不同数据维数的道岔动作曲线数据,而且还可以快速、准确地对道岔故障进行诊断,从而帮助维护人员缩短故障处理时间,提高铁路行车的安全性。

关 键 词：道岔故障诊断  人工智能  RBF神经网络  三次样条插值 道岔动作电流  

分 类 号：TP182]