基于隐马尔科夫模型的道岔故障诊断方法

• 作者: 刘中田 许庆阳 赵会兵
• 来源期刊: 铁道学报
• 学科: 交通运输
• 关键词: 故障诊断 道岔 隐马尔科夫模型 Fisher准则 主成分分析
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 铁道通信信号、信息化
• 页码范围: 98-106
• 页数: 9页
• 分类号: U284
• 字数: 6389字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-8360.2018.08.013

摘要

针对国内外高速铁路的快速发展,道岔故障严重影响行车安全及运输效率,本文提出一种基于隐马尔科夫模型的道岔故障诊断方法,通过增加道岔设备的潜在故障状态,将道岔设备的状态进行多状态细分.采用基于Fisher准则函数和主成分分析的方法进行特征提取,矢量量化处理后,建立不同故障模式下的H M M模型,通过比较测试数据与训练得到的不同HMM模型的匹配值进行故障诊断.利用京广铁路长沙南某型号道岔连续动作功率数据,对模型的性能进行测试,完成了故障诊断的实现与验证.仿真结果表明,采用四维特征信息时,其训练时间相对于其他机器学习方法有了较大提高,正确率达到90％ 以上,且该方法将道岔状态进行细分,通过分析每种状态之间的状态转移,可以预测道岔故障,从而进行道岔设备健康状态监测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘中田	北京交通大学电子信息工程学院	24	145	7.0	10.0
2	赵会兵	北京交通大学电子信息工程学院	35	337	10.0	16.0
3	许庆阳	北京交通大学电子信息工程学院	1	16	1.0	1.0