文献类型：期刊文章

作　　者：王瑞峰[1] 陈旺斌[1]

WANG Ruifeng;CHEN Wangbin(School of Automatic & Electrical Engineerings Lanzhou Jiaotong U niversity?Lanzhou 730070, China)

机构地区：[1]兰州交通大学自动化与电气工程学院，甘肃 兰州 730070

出　　处：《铁道学报》

基　　金：甘肃省自然科学基金(1310RJZA046)

年　　份：2016

卷　　号：38

期　　号：6

起止页码：68-72

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20162802581808)、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：针对目前S700K电动转辙机故障识别手段相对落后这一问题,本文通过分析说明其运行状态可通过功率曲线间接反映。根据微机监测系统存储的常见故障下的功率曲线建立故障诊断特征集,利用神经网络的高度并行运算能力,将灰色关联分析和神经网络技术相结合,建立灰色神经网络,计算待检功率曲线和各故障曲线之间的灰色关联度值,根据该值的大小判断转辙机的当前运行状态,实现S700K转辙机的故障诊断。从微机监测系统获取多组S700K转辙机动作功率数据作为测试样本集,对其进行验证计算,所得结果均与现场检修结果一致。

关 键 词：S700K转辙机  故障诊断 功率曲线 灰色神经网络

分 类 号：TP391] U284[计算机类]