基于机器学习的集中监测道岔故障诊断研究与设计

目录

声明

致谢

1 引言

1.1 研究背景和意义

1.2 国内外研究现状

1.2.1 国外研究现状

1.2.2 国内研究现状

1.3 论文内容和体系结构

2 信号集中监测系统与ZD6原理概述

2.1 信号集中监测系统概述

2.1.1 集中监测系统结构与功能

2.1.2 集中监测系统道岔信息采集原理

2.2 ZD6型道岔转辙机概述

2.2.1 ZD6 道岔转辙机组成与原理

2.2.2 动作过程分析

2.2.3 道岔动作电流曲线分析

2.3 ZD6型道岔常见故障分析

2.3.1 启动异常类

2.3.2 动作区异常类

2.3.3 锁闭区异常类

2.4 本章小结

3 基于机器学习的集中监测道岔故障诊断模型

3.1 样本集获取

3.2 基于BP网络的道岔故障诊断模型

3.2.1 BP网络结构及诊断原理

3.2.2 输入输出层设计

3.2.3 归一化处理

3.2.4 训练函数选择

3.2.5 最佳隐含层节点数

3.2.6 BP网络诊断结果分析

3.3 基于PNN网络的道岔故障诊断模型

3.3.1 PNN网络结构及诊断原理

3.3.2 最佳平滑因子

3.3.3 PNN网络诊断结果分析

3.4 基于SVM的道岔故障诊断模型

3.4.1 SVM理论及诊断原理

3.4.2 核函数确定

3.4.3 参数c和g的寻优

3.4.4 SVM 模型诊断结果分析

3.5 三种模型对比分析

3.6 本章小结

4 基于PNN决策级融合的道岔故障诊断模型

4.1 信息融合技术

4.1.1 信息融合技术概念

4.1.2 信息融合结构分类

4.2 基于PNN决策级融合的故障诊断模型设计

4.2.1 基于PNN决策级融合的故障诊断原理

4.2.2 基于PNN决策级融合的故障诊断模型建立

4.3 基于PNN决策级融合故障诊断模型验证与分析

4.3.1 某一模型失效情况下的验证与分析

4.3.2 初始模型完好情况下的验证与分析

4.4 本章小结

5 集中监测道岔故障诊断软件系统设计

5.1 轨道交通区域联锁与集中监测系统实验平台介绍

5.2 软件系统需求分析

5.2.1 功能需求分析

5.2.2 数据需求分析

5.3 软件模块划分与设计

5.3.1 人机交互界面模块

5.3.2 通信接口管理模块

5.3.3 数据存储操作模块

5.3.4 故障诊断功能模块

5.3.5 诊断模型管理模块

5.3.6 报警与处理模块

5.4 软件系统的实现与测试

5.4.1 集中监测道岔故障诊断软件实现

5.4.2 道岔动作电流查询测试

5.4.3 道岔故障诊断测试

5.4.4 道岔报警处理测试

5.4.5 诊断模型更新测试

5.5 本章小结

6 结论与展望

参考文献

图索引

表索引

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集