基于联锁运行数据的转辙机健康状态智能分析方法
张轩赫1
梁志国2
张宏扬2
王海峰3
1.北京交通大学 电子信息工程学院,北京 1000442.中国铁道科学研究院集团有限公司 通信信号研究所,北京 1000813.北京交通大学 电子信息工程学院,北京 100044;北京交通大学 轨道交通运行控制系统国家工程研究中心,北京 100044
摘要：转辙机是重要的安全关键信号设备,目前多依赖人工经验进行健康状态分析,存在误差大、预测不准的问题,现场维修维护面临很大压力.基于转辙机控制原理,利用联锁运行数据,提出一种结合深度置信网络和连续隐半马尔科夫模型的智能分析方法,对转辙机健康状态进行评估预测.首先,通过深度置信网络提取特征作为连续隐半马尔科夫模型的输入,利用联锁状态数据对预测模型进行训练,以不同观测值序列输出最大似然概率来确定转辙机的退化状态;然后,通过各退化状态驻留时间均值及方差计算转辙机退化状态的驻留时间,以此来预测转辙机健康状态的持续时间.实验表明,该方法在状态预测准确率方面达到83.08％,较传统隐半马尔可夫模型提高约13％,具有较好的预测精度,能够有效支撑现场维修维护工作.本文对信号设备的智能运维具有一定的借鉴作用.
关键词：健康状态转辙机深度置信网络连续隐半马尔科夫模型
分类号：U284.72(铁路通信、信号)
资助基金：中国国家铁路集团有限公司科技研究开发计划(N2022G037)
论文发表日期：2023-04-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 137-146 )
英文信息