CN113581253B - 电空道岔转辙机的状态确定方法和装置 - Google Patents
电空道岔转辙机的状态确定方法和装置 Download PDFInfo
- Publication number
- CN113581253B CN113581253B CN202110842956.6A CN202110842956A CN113581253B CN 113581253 B CN113581253 B CN 113581253B CN 202110842956 A CN202110842956 A CN 202110842956A CN 113581253 B CN113581253 B CN 113581253B
- Authority
- CN
- China
- Prior art keywords
- switch machine
- state
- electric air
- displacement
- air switch
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000006073 displacement reaction Methods 0.000 claims abstract description 182
- 238000001514 detection method Methods 0.000 claims abstract description 94
- 230000009471 action Effects 0.000 claims abstract description 27
- 238000006243 chemical reaction Methods 0.000 claims description 65
- 238000005070 sampling Methods 0.000 claims description 50
- 230000015654 memory Effects 0.000 claims description 15
- 238000003062 neural network model Methods 0.000 claims description 15
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 2
- 230000001133 acceleration Effects 0.000 description 24
- 230000008569 process Effects 0.000 description 18
- 238000012549 training Methods 0.000 description 11
- 230000002159 abnormal effect Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
- B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L5/00—Local operating mechanisms for points or track-mounted scotch-blocks; Visible or audible signals; Local operating mechanisms for visible or audible signals
- B61L5/04—Fluid-pressure devices for operating points or scotch-blocks
- B61L5/045—Fluid-pressure devices for operating points or scotch-blocks using electrically controlled fluid-pressure operated driving means
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Railway Tracks (AREA)
Abstract
本发明提供一种电空道岔转辙机的状态确定方法和装置,该方法包括:获取电空道岔转辙机中活动部件的位移参数以及所述电空道岔转辙机的气缸的气压,其中,所述活动部件包括气缸活塞、表示杆以及动作杆中的至少一个;根据所述气压以及所述位移参数进行状态检测,以确定所述电空道岔转辙机是否故障、出现故障的位置以及原因。本发明的方法,无需人工进行电空道岔转辙机的状态检测,提高了行车的安全性,大大缩短了状态检测时长,提高了电空道岔转辙机的状态检测效率以及故障定位准确率。
Description
技术领域
本发明涉及电空道岔转辙机技术,尤其涉及一种电空道岔转辙机的状态确定方法和装置。
背景技术
电空道岔转辙机是轨道交通信号系统使用的重要设备。电空转道岔辙机由电气控制,以压缩空气为动力源,具有转换速度快、牵引力大、锁闭可靠的特点。
电空道岔转辙机的运行安全直接影响交通运输安全和运营安全,因此,为了保证安全,需要经常检测电空道岔转辙机的运行过程中出现的故障位置以及故障出现的原因。
目前,电空道岔转辙机常用的检测方法都是人工检测,比如,当电空道岔转辙机未按照控制指令完成一个完整动作时,相关技术人员需要人工检测是否出现故障、出现故障的原因,以及定位故障位置。但是,这种检测方法需要耗费大量的时间成本,不能进行实时监测,导致电空道岔转辙机的状态检测效率以及故障定位准确率较低,行车安全受到影响。
发明内容
本发明提供一种电空道岔转辙机的状态确定方法和装置,用以解决电空道岔转辙机的状态检测效率以及故障定位准确率较低的问题。
一方面,本发明提供一种电空道岔转辙机的状态确定方法,包括:
获取电空道岔转辙机中活动部件的位移参数以及所述电空道岔转辙机的气缸的气压,其中,所述活动部件包括气缸活塞、表示杆以及动作杆中的至少一个;
根据所述气压以及所述位移参数进行状态检测,以确定所述电空道岔转辙机是否出现故障、出现故障的位置以及原因。
在一实施例中,所述根据所述气压以及所述位移参数进行状态检测,以确定所述电空道岔转辙机是否出现故障、出现故障的位置以及原因的步骤包括:
根据当前获取的气压以及获取的历史气压得到气压采样序列,并根据当前获取的位移参数与获取的历史位移参数得到位移采样序列;
根据所述气压采样序列获取气压的第一状态特征数据,并根据所述位移采样序列和所述气压采样序列获取转换阻力的第二状态特征数据;
从所述第一状态特征数据中提取第一特征值且从所述第二状态特征数据中提取第二特征值;
将所述第一特征值以及所述第二特征值输入第一状态检测模型,得到所述电空道岔转辙机是否出现故障、出现故障的位置以及原因。
在一实施例中,所述从所述第一状态特征数据中提取第一特征值且从所述第二状态特征数据中提取第二特征值的步骤之后,还包括:
将所述第一特征值以及所述第二特征值输入预测模型,得到所述电空道岔转辙机的预测信息,所述预测信息包括预测运行状态、可靠性以及剩余使用寿命中的至少一种。
在一实施例中,所述根据所述气压以及所述位移参数进行状态检测,以确定所述电空道岔转辙机是否出现故障、出现故障的位置以及原因的步骤包括:
根据当前获取的气压以及获取的历史气压得到气压采样序列,并根据当前获取的位移参数与获取的历史位移参数得到位移采样序列;
根据所述气压采样序列获取气压的第一状态特征数据,并根据所述位移采样序列和所述气压采样序列获取转换阻力的第二状态特征数据;
从所述第一状态特征数据中提取第一特征值且从所述第二状态特征数据中提取第二特征值,并将所述第一特征值以及所述第二特征值输入第一状态检测模型;
根据所述第一状态检测模型输出的检测结果,确定所述电空道岔转辙机是否出现故障、出现故障的位置以及原因。
在一实施例中,所述从所述第一状态特征数据中提取第一特征值且从所述第二状态特征数据中提取第二特征值的步骤之后,还包括:
将所述第一特征值以及所述第二特征值输入预测模型;
根据所述预测模型输出的预测结果,确定所述电空道岔转辙机的预测信息,所述预测信息包括预测运行状态、可靠性以及剩余使用寿命中的至少一种。
在一实施例中,所述根据所述气压以及所述位移参数进行状态检测,以确定所述电空道岔转辙机是否出现故障、出现故障的位置以及原因的步骤包括:
获取所述电空道岔转辙机的启动电流;
根据所述位移参数、所述气压以及所述启动电流确定电空道岔转辙机的目标参数,所述目标参数包括道岔物理位置、道岔缺口、转换力、转换阻力、道岔密贴力中的至少一种;
根据所述气压、所述位移参数以及所述目标参数,确定所述电空道岔转辙机是否出现故障、出现故障的位置以及原因。
在一实施例中,所述根据所述气压、所述位移参数以及所述目标参数,确定所述电空道岔转辙机是否出现故障、出现故障的位置以及原因的步骤包括:
依次将所述气压、所述位移参数以及所述目标参数作为当前参数;
判断所述当前参数是否匹配所述当前参数对应的预设参数;
在所述当前参数与所述当前参数对应的预设参数不匹配时,将所述当前参数确定为所述异常参数,并根据所述异常参数确定所述电空道岔转辙机是否出现故障、出现故障的位置以及原因。
在一实施例中,所述根据所述气压、所述启动电流以及所述目标参数,确定所述电空道岔转辙机是否出现故障、出现故障的位置以及原因的步骤包括:
将所述气压、所述位移参数以及所述目标参数输入至第二状态检测模型;
根据所述第二状态检测模型输出的检测结果,确定所述电空道岔转辙机是否出现故障、出现故障的位置以及原因。
在一实施例中,所述根据所述位移参数、所述气压以及所述启动电流确定电空道岔转辙机的目标参数的步骤包括:
根据所述启动电流以及所述位移参数确定所述道岔物理位置以及所述道岔缺口;
根据所述位移参数获取活动部件的速度以及加速度,并根据所述速度、所述加速度以及所述气压确定所述转换力;
获取道岔质量,并根据所述加速度、所述道岔质量以及所述转换力确定所述转化阻力;
根据所述位移参数获取所述活动部件的位移量,并根据所述转换阻力以及所述位移量确定所述道岔密贴力。
另一方面,本发明还提供一种电空道岔转辙机的状态检测装置,包括:
获取模块,用于获取电空道岔转辙机中活动部件的位移参数以及所述电空道岔转辙机的气缸的气压,其中,所述活动部件包括气缸活塞、表示杆以及动作杆中的至少一个;
确定模块,用于根据所述气压以及所述位移参数进行状态检测,以确定所述电空道岔转辙机是否出现故障、出现故障的位置以及原因。
另一方面,本发明还提供一种电空道岔转辙机的状态检测装置,包括:存储器和处理器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如上所述的电空道岔转辙机的状态确定方法。
另一方面,本发明还提供一种电空道岔转辙机的状态检测系统,包括:至少一个压力传感器,至少一个位移传感器,数据采集单元以及状态检测单元,所述数据采集单元与所述压力传感器、所述位移传感器、所述状态检测单元连接;
所述压力传感器,用于获取电空道岔转辙机的气缸的气压;
所述位移传感器,用于获取所述电空道岔转辙机中活动部件的位移参数;所述数据采集单元,用于获取所述气压以及所述位移参数;
所述状态检测单元,用于根据所述气压以及所述位移参数对所述电空道岔转辙机进行状态检测。
另一方面,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如上所述的电空道岔转辙机的状态确定方法。
本发明提供的电空道岔转辙机的状态确定方法和装置,获取电空道岔转辙机中活动部件的位移参数以及气缸的气压,从而可以根据气压以及位移参数确定电空道岔转辙机是否出现故障、出现故障的位置以及原因。本发明中,电空道岔转辙机通过对采集气缸活塞、活动杆、动作杆的位移参数,以及气缸的气压进行状态分析,即可确定自身是否出现故障、出现故障的位置以及原因,无需人工进行电空道岔转辙机的状态检测,提高了行车安全性,大大缩短了状态检测时长,提高了电空道岔转辙机的状态检测效率以及故障定位准确率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为本发明电空道岔转辙机的状态确定方法的场景示意图;
图2为本发明电空道岔转辙机的状态确定方法第一实施例的流程示意图;
图3为本发明电空道岔转辙机的状态确定方法第二实施例中步骤S20的细化流程示意图;
图4为本发明电空道岔转辙机的状态确定方法第三实施例中步骤S20的细化流程示意图;
图5为本发明电空道岔转辙机的状态确定方法第四实施例中步骤S22的细化流程示意图;
图6为本发明电空道岔转辙机的状态确定装置的功能模块示意图;
图7为本发明电空道岔转辙机的状态确定系统的结构示意图;
图8为本发明电空道岔转辙机的状态确定装置的硬件结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是本发明一示例性实施例示出的电空道岔转辙机的状态检测方法的应用场景图。
如图1所示,本实施例提供的应用场景图的主要架构包括:电空道岔转辙机100,电空道岔转辙机的状态检测装置200,显示终端300。电空道岔转辙机的状态检测装置200获取电空道岔转辙机101在运行过程中电空道岔转辙机内气缸的气压、气缸中气缸活塞、表示杆、动作杆等活动部件的位移参数,并对获取到气压以及位移参数进行处理,最后得到状态检测结果和状态预测结果,状态检测结果可以为电空道岔转辙机是否出现故障、出现故障的位置,状态预测结果可以为电空道岔转辙机是否出现故障、出现故障的原因、电空道岔转辙机的预测运行状态等,电空道岔转辙机的状态检测装置200再将状态检测结果和状态预测结果发送至显示终端300进行显示。
现有技术中,电空道岔转辙机是轨道交通运输使用的重要设备。电电空道岔转辙机由电气控制,以压缩空气为动力源。它具有转换速度快、牵引力大、锁闭可靠的特点。它主要由换向阀、单向阀、气缸、表示装置、组合气源处理元件、压力开关、气室、电磁锁闭阀等组成。电空道岔转辙机工作时,经过调压滤气油雾、解锁、动力转换、表示接点转换、锁闭五大过程。其工作原理是当定位电磁先导阀得电励磁,换向阀换向,气缸前腔进气,动作杆缩回,待尖轨与基本轨重新密贴后,接通定位表示电路;反之亦然。
电磁锁闭阀在压力开关控制下处于长期通电状态,当风压在使用风压时,压力开关接通电磁锁闭阀电路,锁闭杆处于缩回状态;当风压低于断开风压设定值时,压力开关切断电磁锁闭阀电路,锁闭杆伸出,锁闭活塞杆,从而锁闭道岔,保持尖轨位置。
电空道岔转辙机的运行安全直接影响交通运输安全和运营安全,因此,为了保证安全需要经常检测电空道岔转辙机的运行过程中出现的故障以及故障出现的位置。
目前,常用的检测方法都是人工检测,比如,当电空道岔转辙机未按照控制指令完成一个完整动作时,相关技术人员需要人工检测是否出现故障、出现故障的原因,以及定位故障位置。但是,这种检测方法需要耗费大量的人力成本和时间成本,不能进行实时监测,因此,状态检测的效率低,故障定位的准确率也较低,并且,无法预测设备运行过程中的故障隐患,且行车安全受到影响。
针对现有技术中的上述技术问题,本发明提供一种电空道岔转辙机的状态检测方法。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
参照图2,图2为本发明电空道岔转辙机的状态确定方法的第一实施例,电空道岔转辙机的状态确定方法包括以下步骤:
步骤S10,获取电空道岔转辙机中活动部件的位移参数以及电空道岔转辙机的气缸的气压,其中,活动部件包括气缸活塞、表示杆以及动作杆中的至少一个。
在本实施例中,执行主体为电空道岔转辙机的状态检测装置。为了便于描述,以下采用装置指代电空道岔转辙机的状态检测装置。
电空道岔转辙机内的气缸设置有压力传感器,压力传感器可以定时或者实时采集气缸内的气压。此外,还设有位移传感器,位移传感器用于检测电空道岔转辙机的活动部件的位移参数,活动部件为气缸活塞、表示杆以及动作杆中的至少一个。位移参数包括活动部件在间隔时间内的位移量。
压力传感器以及位移传感器将检测的数据发送至装置,使得装置获取气缸气压以及活动部件的位移参数。
步骤S20,根据气压以及位移参数进行状态检测,以确定电空道岔转辙机是否出现故障、出现故障的位置以及原因。
装置可以基于气压以及位移参数进行状态检测,从而可以得到电空道岔转辙机是否出现故障、出现故障的位置以及原因。具体的,装置可以基于定时获取的位移参数确定活动部件的速度以及加速度,再根据速度、加速度以及气压确定转换阻力,再通过气压以及转换阻力与对应的参数进行比较,基于比较结果即可确定电空道岔转辙机是否出现故障,比如,道岔在第一位移处实际所受的转换阻力是1000N,而设定的道岔在第一位移处所受阻力应当为8000N,那么,经过比较可知,电空道岔转辙机的气动设备可能出现故障,则故障位置为第一位移处、故障原因为道岔在第一位移处的转化阻力较大。
在本实施例提供的技术方案中,获取电空道岔转辙机中活动部件的位移参数以及气缸的气压,从而可以根据气压以及位移参数确定电空道岔转辙机是否出现故障、出现故障的位置以及原因。本发明中,电空道岔转辙机通过对采集气缸活塞、活动杆、动作杆的位移参数,以及气缸的气压进行分析,即可确定自身是否出现故障、出现故障的位置以及原因,无需人工进行电空道岔转辙机的状态检测,提高了行车的安全性,大大缩短了状态检测时长,提高了电空道岔转辙机的状态检测效率以及故障定位准确率。
参照图3,图3为本发明电空道岔转辙机的状态检测方法第二实施例,基于第一实施例,步骤S20包括:
步骤S21,根据当前获取的气压以及获取的历史气压得到气压采样序列,并根据当前获取的位移参数与获取的历史位移参数得到位移采样序列。
在本实施例中,压力传感器以及位移传感器按照预设间隔时长进行同步采样,使得装置同步得到气压压力以及活动部件的位移参数。
装置可以基于当前获取的位移参数以及各个历史位移参数得到位移采样序列。历史位移参数即为装置早于当前时间之前所获取的位移参数。具体的,装置依照当前的位移参数以及各个历史位移参数的采样时间从早到晚进行排序,即可得到位移采样序列。
装置可以基于当前获取的气压以及各个历史气压得到位移采样序列。历史气压即为装置早于当前时间之前所获取的气压。具体的,装置依照当前的气压以及各个历史气压的采样时间从早到晚进行排序,即可得到位移采样序列。气压采用序列以及位移采样序列均为等时间间隔采用序列。
步骤S22,根据气压采样序列获取气压的第一状态特征数据,并根据位移采样序列和气压采样序列获取转换阻力的第二状态特征数据。
装置对气压采样序列进行信号处理得到第一状态特征数据,第一状态特征数据即为气压状态特征数据。装置对位移采样序列、气压采样序列进行数据处理得到活动部件所受阻力的第二状态特征数据,第二状态特征数据即为转换阻力状态特征数据。
步骤S23,从第一状态特征数据中提取第一特征值且从第二状态特征数据中提取第二特征值。
装置从第一状态特征数据中提取第一特征值。第一特征值包括气体压力的最大值以及气体压力的最小值,气体压力最小值时活动部件的位移值,气体压力最大值时活动部件的位移值,气体压力随时间的变化模式、气体压力随活动部件位移的变化模式。装置再从第二状态特征数据中提取第二特征值。第二特征值包括转换阻力、转换阻力的最大值、转换阻力最大时对应的位移值、转换阻力的最小值、转换阻力最小时对应的位移值、转换阻力随时间的变化模式、以及转换阻力随活动部件位移的变化模式。
此外,装置可以从第一状态特征数据中提取气体压力的平均值、均方根值、频谱的峭度、歪度、裕度和脉冲度,且可从第二状态特征数据中提取转换阻力的平均值、均方根值、峭度、歪度、裕度和脉冲度等。
步骤S24,将第一特征值以及第二特征值输入第一状态检测模型,得到电空道岔转辙机出现故障的位置以及原因。
装置设有第一状态检测模型。第一状态检测模型可以是自适应编码器深度神经网络模型。
自适应编码器深度神经网络模型包括:一个100个神经元组成输入层、3个由200个神经元组成的隐层和一个由SVM支持向量机组成的具有12个输出的输出层。该模型采用预先存储的所有电空道岔转辙机的历史状态信息作为训练样本进行训练。训练样本包括电空道岔转辙机的历史状态特征值以及历史状态特征值对应的故障位置和故障等级。将上述训练样本输入自适应编码器深度神经网络进行训练,得到第一状态检测模型。
此外,装置还设有预测模型,预测模型可以是LSTM(Long Short-Term Memory,简称LSTM,长短期记忆人工神经网络)深度神经网络模型。
LSTM深度神经网络模型包括:一个300个神经元组成输入层、3个由600个神经元组成的隐层和一个1个输出的输出层。该模型采用预先存储的历史数据作为训练样本对建立好的模型进行训练得到LSTM深度神经网络模型。训练样本包括气缸内气体压力的最大值、气体压力最大时活动部件的位移值、气缸内气体压力的最小值、气体压力最小时活动部件的位移值、转换阻力的最大值、转换阻力最大时对应的位移值、转换阻力的最小值、转换阻力最小时对应的位移值、每个位移处的气体压力、转换阻力随着定位电磁先导阀(反位电磁先导阀)开闭次数和服役时间的变化关系等。其中,历史数据包括不同电空道岔转辙机在未出现故障的运行状态下的数据,将这些历史数据输入LSTM深度神经网络模型进行训练,即可得到预测模型。
装置将提取出的第一特征值以及第二特征值分别输入第一状态检测模型以及预测模型,第一状态检测模型输出的检测结果即为电空道岔转辙机的状态,包括是否出现故障、出现故障的位置、原因、故障等级、发生故障的时间。预测模型输出的预测结果即为电空道岔转辙机的预测信息,预测信息包括设备的剩余使用寿命、可靠性、预测运行状态中的至少一种信息。预测信息即为电空道岔转辙机未来的状态信息。
装置可以将状态检测结果(故障原因以及故障位置)通过网络发送至显示终端进行显示,并通过声、光、电、图像等方式呈现给相关技术人员,以提示技术人员及时采取相应措施。还可以将状态预测结果,即电空道岔转辙机的未来运行状态、可靠性和预测的使用寿命(或者说电空道岔转辙机在未来时间点的运行状态)通过网络发送给数据中心,在由数据中心推送给相关技术人员,以使技术人员及时了解设备的运行状态。
进一步的,根据提取的特征值采用基于数学模型、参数估计、专家系统、人工神经网络和深度神经网路、信息融合、实例比较、模糊理论等故障诊断和模式识别方法对电空道岔转辙机是否发生故障以及发生故障的位置、故障严重程度等健康状态进行判别;以及根据提取的当前和历史特征值采用失效模型、智能推理算法评估设备的运行状态,预测电空道岔转辙机发生故障的部位、时间及剩余使用寿命,并给出合理的维修保障建议。
本实施例中,通过不同电空道岔转辙机的在出现故障时的故障信息和未出现故障时的历史运行数据作为训练样本训练得到自适应编码器深度神经网络模型和LSTM深度神经网络模型,然后在根据电空道岔转辙机当前运行时获取到的气缸内气体压力的变化关系、转换阻力相对于活动部件位移之间的变化关系(即气体压力的位移采样序列和转换阻力的位移采样序列),并从变化关系中提取出特征值,且将特征值直接输入到训练好的自适应编码器深度神经网络模型和LSTM深度神经网络模型中,便自动可以输出特征值对应的状态信息,以及预测设备未来的运行状态,并将检测和预测结果发送至显示终端进行显示,不仅提高了状态检测的准确率和效率,还实现了提前预警的作用。
参照图4,图4为本发明电空道岔转辙机的状态确定方法第三实施例,基于第一实施例,步骤S20包括:
步骤S25,获取电空道岔转辙机的启动电流。
在本实施例中,电空道岔转辙机还设有电流传感器,电流传感器用于检测电空道岔转辙机的启动电流,并将启动电流发送至装置。
步骤S26,根据位移参数、气压以及启动电流确定电空道岔转辙机的目标参数,目标参数包括:道岔物理位置、道岔缺口、转换力、转换阻力、道岔密贴力中的至少一种。
装置可以根据启动电流、气压以及位移参数确定目标参数。目标参数包括道岔物理位置、道岔缺口、转换力、转换阻力、道岔密贴力中的至少一种。
具体的,装置基于活动部件的位移和第一公式,计算出活动部件的移动速度,第一公式为其中,V(nΔt)表示nΔt时刻活动部件的移动速度。
装置再通过移动速度和第二公式,计算活动部件的移动加速度,第二公式为其中,a(nΔt)表示nΔt时刻活动部件的移动加速度。
装置通过活动部件的位移和启动电流,即可确定道岔物理位置以及道岔缺口。装置再通过活动部件的位移、活动部件的速度、活动部件的加速度以及气压,得到电空道岔转辙机的转换力、转换阻力以及道岔密贴力。
具体的,装置根据启动电流确定电空道岔转辙机是向定位转换还是向反位转换,且通过转换开始时刻(定位电磁阀或反位电磁阀电流开始不为零)、当前活动部件位移即可确定当前道岔物理位置。装置通过气缸后腔(或前腔)气压低于设定值确定转换是否完成,再通过转换完成后的活动部件位移确定尖轨和基本轨是否密贴、转换是否成功等。然后通过转换停止后活动部件的位移、道岔密贴时的活动部件的位移值的差,获取电空道岔转辙机系统的道岔缺口。装置再通过活动部件位移、活动部件的速度、活动部件的加速度,以及气压计算得到转换力、转换阻力、以及道岔密贴力。
步骤S27,根据气压、位移参数以及目标参数,确定电空道岔转辙机是否出现故障、出现故障的位置以及原因。
装置在确定目标参数后,即可确定基于气压、位移参数以及目标参数确定异常参数。异常参数表征了故障位置以及出现故障的原因,装置即可根据异常参数确定电空道岔转辙机出现故障的位置以及原因。具体的,装置依次将气压、位移参数以及目标参数作为当前参数,判断当前参数是否匹配当前参数对应的预设参数。预设参数为当前参数所设置的出现故障的临界值,例如,当前参数为转换阻力,则预设参数为1000N。装置在确定当前参数与当前参数对应的预设参数不匹配时,将当前参数确定为异常参数,从而基于异常参数确定电空道岔转辙机出现故障的位置以及原因。
此外,装置中可设有第二状态检测模型。第二状态检测模型可以为自适应编码器深度神经网络模型,装置利用电空转辙机的历史运行数据进行训练得到自适应编码器深度神经网络模型。第二状态检测模型就可以通过电空转辙机系统的气压、启动电流、道岔物理位置、缺口、转换力、转换阻力、道岔密贴力数据,确定电空道岔转辙机系统的健康状态。健康状态指的是电空道岔转辙机的每个部件是否出现故障,若出现了故障,则第二状态检测模型输出故障原因以及故障位置。
第二状态检测模型利用已经训练的神经网络对气压、位移参数、道岔物理位置、缺口、转换力、转换阻力、道岔密贴力数据进行识别处理,以根据识别结果确定气动元件处于故障状态还是健康状态。
装置采集电空道岔转辙机的气动设备的历史运行数据,包括气体压力和道岔所受阻力与活动部件的位移的变化关系以及对应的运行状态等数据。将采集到的数据输入到神经网络模型中进行训练,得到训练好的第二状态检测模型。历史运行数据包括气压、转换阻力、活动部件的位移参数、目标参数以及标签,标签记为电空道岔转辙机是否出现故障的说明。装置将获取的气压、转换阻力、位移参数以及目标参数输入至第二状态检测模型,即可得到状态检测结果,故障检测结果中包括故障的位置、故障严重等级以及故障出现的原因等。
在本实施例提供的技术方案中,装置获取电空道岔转辙机的启动电流,并通过启动电流、气压以及位移参数确定道岔物理位置、道岔缺口、转换力、转换阻力、道岔密贴力等目标参数,从而根据气压、位移参数以及目标参数准确的确定电空道岔转辙机是否出现故障、出现故障的位置以及原因。
在一些实施例中,转换力即动作杆输出力,是电空道岔转辙机动作的根本驱动力,也是电空道岔转辙机正常工作的保障。根据力学原理,道岔的尖轨转换过程中水平方向受到两个力的作用:主动的推(拉)力、尖轨转换阻力。推(拉)力是转辙机将电能转变为机械能而产生的。每一组道岔转换时实际所需的推(拉)力取决于该道岔的转换阻力和道岔转换运动的加速度和道岔质量。转换阻力越大,所需推(拉)力也越大。输出的最大推(拉)力就是道岔的额定负载。转换阻力是是指道岔可动部件(尖轨、可动心轨等),从定位转换到反位或从反位转换到定位的过程中,所要克服的反映于道岔牵引点的一切阻力(包括:由道岔可动部件滑动摩擦引起反映到牵引点的阻力,道岔可动部件反映到牵引点处的反弹力,其它因素引起的反映到牵引点处的阻力)。
转换阻力产生因素主要有三部分:一是尖轨与滑床板间相对移动时产生的摩擦力,这与尖轨的重量,尖轨与滑床板间接触面积,接触面的粗糙程度等因素有关;二是两根尖轨和连接杆组成的框架因转换变形而产生的变形阻力;三是特殊的卡阻力。如尖轨和基本轨的肥边,尖轨和基本轨间有或上或下的卡阻现象。
电空道岔转辙机的转换力由气缸的气压决定,所以监测气缸活塞输出气体压力和气缸活塞位移、或动作杆位移、或表示杆位移可以了解设定位移处的转换力大小。
基于上述原理,气缸活塞推力(转换力)等于作用于气缸活塞上的气体压力与气缸活塞面积的乘积,F(iΔt)=A(P1(iΔt)-P2(iΔt))。转换阻力等于气缸活塞推力(转换力))减去动作杆及其携带道岔质量与加速度的乘积,Fr(iΔt)=F(iΔt)-Ma(iΔt),其中,a为活动部件的加速度,M为动作杆及动作杆携带的钢轨/道岔的质量。
M可以通过直接测量得到,也可通过测量F,Fr,a通过计算间接得到。
装置根据设定时刻(i+1)Δt到前一设定时刻iΔt的活动部件的位移、速度、加速度、设定的主机气缸活塞当前位移,获得各设定位移对应的时刻,假设第k个设定位移kΔx1满足x(iΔt)≤kΔx<x((i+1)Δt),则有T(k)=iΔt+t(k),其中,t(k)为从设定时刻iΔt时的位移x(iΔt)开始移动位移[kΔx-x(iΔt)]所需时间,具体的,表达式如下:
利用插值公式可求得副机在各设定位移kΔx1处的转换力和转换阻力:
道岔密贴力(也称密贴力)是指道岔可动部件转换到与基本轨(或翼轨)密贴(在第一牵引点处间隙小于l毫米)后,可动部件在道岔牵引点中心施加于基本轨(或翼轨)的压力。密贴力近似等于尖轨与基本轨密贴时(在第一牵引点处间隙小于l毫米)的转换阻力减去即将密贴但还未密贴位置的转换阻力。可以通过公式:FC=F(NΔx)-F((N-n)Δx)获取,其中,FC为道岔密贴力,NΔx为在第一牵引点处间隙小于l毫米时的表示杆或动作杆位移,(N-n)Δx为即将密贴但还未密贴时的活动部件的位移。
当道岔转换到位处于锁闭状态时,尖轨对基本轨必须有一定的密贴力,以确保列车通过尖轨时,尖轨可靠地密贴基本轨。道岔密贴力的大小与尖轨绷劲的反弹力、特殊卡阻力有关。道岔密贴力太大,有可能导致锁闭,道岔不能启动,电空道岔转辙机空转等故障。在电空道岔转辙机动作过程中,各阶段转换力的大小与故障模式有着对应的关系,电空道岔转辙机动作过程中的转换力可反映道岔的运用状态。
参照图5,图5为本发明电空道岔转辙机的状态确定方法第四实施例,基于第三实施例,步骤S26包括:
步骤S261,根据启动电流以及位移参数确定道岔物理位置以及道岔缺口。
本实施例中,电流传感器按照预设间隔时长进行采样,装置基于当前采集的启动电流以及各个历史启动电流得到启动电流采样序列。
启动电流用于控制电空道岔转辙机定位电磁先导阀(反位电磁先导阀)的开启或关闭,当控制指令包含定位电磁先导阀(反位电磁先导阀)开启信号时,定位电磁先导阀(反位电磁先导阀)根据信号开启,高压气体通过气缸的进气管进入气缸前腔(后腔)内产生气压;当控制指令包含定位电磁先导阀(反位电磁先导阀)关闭信号时,定位电磁先导阀(反位电磁先导阀)根据信号关闭,此时停止通过气缸的进气管像气缸内充入气体。
装置通过位移参数以及启动电流即可确定道岔物理位置以及道岔缺口。具体的,装置根据启动电流确定电空道岔转辙机是向定位转换还是向反位转换以及转换开始时刻(定位电磁阀或反位电磁阀电流开始不为零),根据当前活动部件的位移即可确定当前道岔物理位置,根据气缸后腔(或前腔)气压是否低于设定值,确定转换是否完成,根据转换完成后的活动部件的位移确定尖轨和基本轨是否密贴、转换是否成功等。然后根据转换停止后表示杆/动作杆位移与道岔密贴时的表示杆/动作杆位移值的差,获取待检测电空道岔转辙机系统的道岔缺口。
步骤S262,根据位移参数获取活动部件的速度以及加速度,并根据速度、加速度以及气压确定转换力。
装置基于活动部件的位移以及第一公式确定活动部件的移动速度采样序列,第一公式为其中,V(nΔt)表示nΔt时刻活动部件的移动速度。装置再基于移动速度的采样序列以及第二公式确定活动部件的加速度。第二公式其中,a(nΔt)表示nΔt时刻活动部件的加速度。/>
气缸活塞、表示杆、动作杆在气缸内将气缸腔体分成两部分,分别为第一气室和第二气室,气缸活塞、表示杆、动作杆所受阻力有三部分,分别是气缸内两个气室中的气体对气缸活塞、表示杆、动作杆产生的推力、气缸活塞、表示杆、动作杆连接的起动杆连接的负载运动过程中产生的摩擦力。
第一气室对气缸活塞/表示杆/动作杆产生的推力记为F1(mΔt),F1(mΔt)=A×P1(mΔt),第二气室对气缸活塞/表示杆/动作杆产生的推力记为F2(mΔt),F2(mΔt)=AP2(mΔt),气体压力产生的合力(转换力)F(mΔt)=F1(mΔt)-F2(mΔt)=A(P1(mΔt)-P2(mΔt))。
根据设定时刻(i+1)Δt到前一设定时刻iΔt的位移、速度、加速度以及设定的主机气缸活塞当前位移获得各设定位移对应的时刻,假设第k个设定位移kΔx1满足x(iΔt)≤kΔx<x((i+1)Δt),则有T(k)=iΔt+t(k),其中,t(k)为从设定时刻iΔt时的位移x(iΔt)开始移动位移[kΔx-x(iΔt)]所需时间,具体的,表达式如下:
利用插值公式可求得副机在各设定位移kΔx1处的转换力和转换阻力:
步骤S263,获取道岔质量,并根据加速度、道岔质量以及转换力确定转化阻力。
道岔在运动过程中在kΔx处受到气缸活塞给予的推力(转换力)F(kΔx),摩擦力、道岔钢轨变形弹力、道岔运行过程中卡阻等组成的转换阻力Fr(kΔx)。根据牛顿第二定律,F(kΔx)-Fr(kΔx)=Ma(kΔx),所以有Fr(mΔx)=F(kΔx)-Ma(kΔx),其中M为道岔及其负载的质量,a(kΔx)为气缸活塞表示杆/动作杆在kΔx处的运动的加速度,也就是道岔运动的加速度。
步骤S264,根据位移参数获取活动部件的位移量,并根据转换阻力以及位移量确定道岔密贴力。
道岔密贴力(也称密贴力)是指道岔可动部件转换到与基本轨(或翼轨)密贴(在第一牵引点处间隙小于l毫米)后,可动部件在道岔牵引点中心施加于基本轨(或翼轨)的压力。密贴力近似等于尖轨与基本轨密贴时(在第一牵引点处间隙小于l毫米)的转换阻力减去即将密贴但还未密贴位置的转换阻力。可以通过公式:FC=F(NΔx)-F((N-n)Δx)获取,其中,FC为道岔密贴力,NΔx为在第一牵引点处间隙小于l毫米时的表示杆/动作杆位移,(N-n)Δx为即将密贴但还未密贴时的表示杆/动作杆/气缸活塞位移。
当道岔转换到位处于锁闭状态时,尖轨对基本轨必须有一定的密贴力,以确保列车通过尖轨时,尖轨可靠地密贴基本轨。道岔密贴力的大小与尖轨绷劲的反弹力、特殊卡阻力有关。道岔密贴力太大,有可能导致锁闭,道岔不能启动,电空道岔转辙机空转等故障。在电空道岔转辙机动作过程中,各阶段转换力的大小与故障模式有着对应的关系,电空道岔转辙机动作过程中的转换力可反映道岔的运用状态。
在本实施例中,装置通过位移参数、气压、启动电流确定岔物理位置、道岔缺口、转换力、转换阻力、道岔密贴力等目标参数,从而通过气压、位移参数、目标参数准确的确定电空道岔转辙机出现故障的原因以及位置。
本发明还提供一种电空道岔转辙机的状态确定装置,参照图6,电空道岔转辙机的状态确定装置600包括:
获取模块601,用于获取电空道岔转辙机中活动部件的位移参数以及电空道岔转辙机的气缸的气压,其中,活动部件包括气缸活塞、表示杆以及动作杆中的至少一个;
确定模块602,用于根据气压以及位移参数进行状态检测,以确定电空道岔转辙机是否出现故障、出现故障的位置以及原因。
在一实施例中,电空道岔转辙机的状态确定装置600包括:
获取模块601,用于根据当前获取的气压以及获取的历史气压得到气压采样序列,并根据当前获取的位移参数与获取的历史位移参数得到位移采样序列;
获取模块601,用于根据气压采样序列获取气压的第一状态特征数据,并根据位移采样序列以及气压采样序列获取转换阻力的第二状态特征数据;
提取模块,用于从第一状态特征数据中提取第一特征值且从第二状态特征数据中提取第二特征值;
输入模块,用于将第一特征值以及第二特征值输入第一状态检测模型,得到电空道岔转辙机是否出现故障、出现故障的位置以及原因。
在一实施例中,电空道岔转辙机的状态确定装置600包括:
输入模块,用于将第一特征值以及第二特征值输入预测模型,得到电空道岔转辙机的预测信息,预测信息包括预测运行状态、可靠性以及剩余使用寿命中的至少一种。
在一实施例中,电空道岔转辙机的状态确定装置600包括:
获取模块601,用于获取电空道岔转辙机的启动电流;
确定模块602,用于根据位移参数、气压以及启动电流确定电空道岔转辙机的目标参数,目标参数包括道岔物理位置、道岔缺口、转换力、转换阻力、道岔密贴力中的至少一种;
确定模块602,用于根据气压、位移参数以及目标参数,确定电空道岔转辙机是否出现故障、出现故障的位置以及原因。
在一实施例中,电空道岔转辙机的状态确定装置600包括:
确定模块602,用于依次将气压、位移参数以及目标参数作为当前参数;
判断模块,用于判断当前参数是否匹配当前参数对应的预设参数;
确定模块602,用于在当前参数与当前参数对应的预设参数不匹配时,将当前参数确定为异常参数,并根据异常参数确定电空道岔转辙机是否出现故障、出现故障的位置以及原因。
在一实施例中,电空道岔转辙机的状态确定装置600包括:
输入模块,用于将气压、位移参数以及目标参数输入至第二状态检测模型;
确定模块602,用于根据第二状态检测模型输出的检测结果,确定电空道岔转辙机是否出现故障、出现故障的位置以及原因。
在一实施例中,电空道岔转辙机的状态确定装置600包括:
确定模块602,用于根据启动电流以及位移参数确定道岔物理位置以及道岔缺口;
获取模块601,用于根据位移参数获取活动部件的速度以及加速度,并根据速度、加速度以及气压确定转换力;
获取模块601,用于获取道岔质量,并根据加速度、道岔质量以及转换力确定转化阻力;
获取模块601,用于根据位移参数获取活动部件的位移量,并根据转换阻力以及位移量确定道岔密贴力。
图7是根据一示例性实施例示出的一种电空道岔转辙机的状态确定系统的结构示意图。
如图7所示,电空道岔转辙机的状态确定系统包括:至少一个压力传感器501,至少一个位移传感器502,至少一个电流传感器503,数据采集单元504,控制单元505,状态检测单元506,状态预测单元507,访问单元508;其中,数据采集单元504与压力传感器501、电流传感器503和502位移传感器连接,数据采集单元504通过网络接口与状态检测单元506相连接,控制单元505通过网线与数据采集单元504连接,状态检测单元506还与控制网络连接,并通过网络接口与状态预测单元507连接。控制网络可以是轨道交通信号系统。
具体实施时,一个电空道岔转辙机的状态检测系统可能同时监测多个电空道岔转辙机的运行状态,因此,针对每个电空道岔转辙机都需要设置一个状态检测单元506。其中的多个压力传感器501分别安装于不同电空道岔转辙机的气体通路上。
在一个实施例中,压力传感器501安装于电空转辙机的气缸两个气腔内,以检测气缸活塞、表示杆、动作杆驱动侧气腔内的气压,位移传感器502安装于动作杆、表示杆尾端,以检测表示杆、动作杆、气缸活塞的位移参数;数据采集单元504安装于电空道岔转辙机内部,通过以太网或电力传输线PLC网络与状态检测单元506连接。数据采集单元504主要用于按照预设时间采样间隔同步采集压力传感器检测到的压力值、电流传感器检测到的电流值和位移传感器检测到的位移值,采样频率可以是10Kbps,量化精度采用16比特量化,得到气体压力采样序列、电流采样序列和位移采样序列,并将采集到的参数存储于数据库或其他存储单元中,同时对采集到的上述参数进行处理。状态检测单元506用于根据数据采集单元504得到的处理结果完成对电空到款转辙机的状态检测和状态判别,状态检测结果通过控制网络发送至显示终端;控制单元505用于向电空道岔转辙机的定位电磁先导阀(反位电磁先导阀)供电,数据采集单元504实时采集定位电磁先导阀(反位电磁先导阀)供电电流。
进一步的,不同电空道岔转辙机的状态检测单元506之间通过以太网组成环形局域网。在状态检测单元506内设置传输网关,采用电力线传输或以太网网络联合传输的方式实现与云计算中心系统状态预测单元507的数据通信,状态预测单元507主要用于监测电空转辙机的运行状态,根据运行数据预测电空道岔转辙机的运行状态。访问单元508用于供相关技术人员访问状态预测单元507得到的预测结果。
需要说明的是,数据采集单元504、状态检测单元506和状态预测单元507可以是服务器,其都是由硬件加软件的方式实现。
图8是根据一示例性实施例示出的一种电空道岔转辙机的状态确定装置的结构示意图。
如图8所示,电空道岔转辙机的状态确定装置800可以包括:处理器81,例如CPU,存储器82以及收发器83。本领域技术人员可以理解,图8中示出的结构并不构成对电空道岔转辙机的状态确定装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。存储器82可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
处理器81可以调用存储器82内存储的计算机程序,以完成上述的电空道岔转辙机的状态确定方法的全部或部分步骤。
收发器83用于接收外部设备发送的信息以及向外部设备发送信息。
一种非临时性计算机可读存储介质,当该存储介质中的指令由电空道岔转辙机的状态确定装置的处理器执行时,使得电空道岔转辙机的状态确定装置能够执行上述电空道岔转辙机的状态确定方法。
一种计算机程序产品,包括计算机程序,当该计算机程序由电空道岔转辙机的状态确定装置的处理器执行时,使得电空道岔转辙机的状态确定装置能够执行上述电空道岔转辙机的状态确定方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本发明旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。
Claims (5)
1.一种电空道岔转辙机的状态确定方法,其特征在于,包括:
获取电空道岔转辙机中活动部件的位移参数以及所述电空道岔转辙机的气缸的气压,其中,所述活动部件包括气缸活塞、表示杆以及动作杆中的至少一个;
根据所述气压以及所述位移参数进行状态检测,以确定所述电空道岔转辙机是否出现故障、出现故障的位置以及原因;
所述根据所述气压以及所述位移参数进行状态检测,以确定所述电空道岔转辙机是否出现故障、出现故障的位置以及原因的步骤包括:
根据当前获取的气压以及获取的历史气压得到气压采样序列,并根据当前获取的位移参数与获取的历史位移参数得到位移采样序列;
根据所述气压采样序列获取气压的第一状态特征数据,并根据所述位移采样序列和所述气压采样序列获取转换阻力的第二状态特征数据;
从所述第一状态特征数据中提取第一特征值且从所述第二状态特征数据中提取第二特征值;
将所述第一特征值以及所述第二特征值输入第一状态检测模型,得到所述电空道岔转辙机是否出现故障、出现故障的位置以及原因;所述第一状态检测模型为自适应编码器深度神经网络模型。
2.根据权利要求1所述的电空道岔转辙机的状态确定方法,其特征在于,所述从所述第一状态特征数据中提取第一特征值且从所述第二状态特征数据中提取第二特征值的步骤之后,还包括:
将所述第一特征值以及所述第二特征值输入预测模型,得到所述电空道岔转辙机的预测信息,所述预测信息包括预测运行状态、可靠性以及剩余使用寿命中的至少一种。
3.一种电空道岔转辙机的状态检测装置,其特征在于,包括:
获取模块,用于获取电空道岔转辙机中活动部件的位移参数以及所述电空道岔转辙机的气缸的气压,其中,所述活动部件包括气缸活塞、表示杆以及动作杆中的至少一个;
确定模块,用于根据所述气压以及所述位移参数进行状态检测,以确定所述电空道岔转辙机是否出现故障、出现故障的位置以及原因;
所述获取模块,用于根据当前获取的气压以及获取的历史气压得到气压采样序列,并根据当前获取的位移参数与获取的历史位移参数得到位移采样序列;
所述获取模块,用于根据气压采样序列获取气压的第一状态特征数据,并根据位移采样序列以及气压采样序列获取转换阻力的第二状态特征数据;
提取模块,用于从第一状态特征数据中提取第一特征值且从第二状态特征数据中提取第二特征值;
输入模块,用于将第一特征值以及第二特征值输入第一状态检测模型,得到电空道岔转辙机是否出现故障、出现故障的位置以及原因;所述第一状态检测模型为自适应编码器深度神经网络模型。
4.一种电空道岔转辙机的状态检测装置,其特征在于,包括:存储器和处理器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如权利要求1或2所述的电空道岔转辙机的状态确定方法。
5.一种电空道岔转辙机的状态检测系统,应用如权利要求1或2所述的电空道岔转辙机的状态确定方法,其特征在于,包括:至少一个压力传感器,至少一个位移传感器,数据采集单元以及状态检测单元,所述数据采集单元与所述压力传感器、所述位移传感器、所述状态检测单元连接;
所述压力传感器,用于获取电空道岔转辙机的气缸的气压;
所述位移传感器,用于获取所述电空道岔转辙机中活动部件的位移参数;所述数据采集单元,用于获取所述气压以及所述位移参数;
所述状态检测单元,用于根据所述气压以及所述位移参数对所述电空道岔转辙机进行状态检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110842956.6A CN113581253B (zh) | 2021-07-26 | 2021-07-26 | 电空道岔转辙机的状态确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110842956.6A CN113581253B (zh) | 2021-07-26 | 2021-07-26 | 电空道岔转辙机的状态确定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113581253A CN113581253A (zh) | 2021-11-02 |
CN113581253B true CN113581253B (zh) | 2023-10-03 |
Family
ID=78250072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110842956.6A Active CN113581253B (zh) | 2021-07-26 | 2021-07-26 | 电空道岔转辙机的状态确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113581253B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114802348B (zh) * | 2022-03-31 | 2023-12-29 | 西安铁路信号有限责任公司 | 一种转辙机锁闭可靠性的监测方法 |
CN115635988A (zh) * | 2022-09-29 | 2023-01-24 | 西安铁路信号有限责任公司 | 一种转辙机动作杆转换卡阻故障模式的判断方法 |
CN116750045B (zh) * | 2023-06-06 | 2024-03-12 | 宁波思高信通科技有限公司 | 一种转辙机运维预警方法、系统、装置及存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202046335U (zh) * | 2011-05-13 | 2011-11-23 | 国投新登郑州煤业有限公司 | 一种基于行程闭环控制的气动式矿用道岔控制系统 |
CN204309803U (zh) * | 2014-12-18 | 2015-05-06 | 中国神华能源股份有限公司 | 铁路道岔检测装置 |
CN106740990A (zh) * | 2016-12-12 | 2017-05-31 | 中国神华能源股份有限公司 | 道岔动作功率曲线识别方法及系统 |
CN107451004A (zh) * | 2017-07-01 | 2017-12-08 | 南京理工大学 | 一种基于定性趋势分析的道岔故障诊断方法 |
CN206945059U (zh) * | 2017-07-13 | 2018-01-30 | 上海邦诚电信技术股份有限公司 | 电空型转辙机综合监测装置 |
CN109649438A (zh) * | 2018-12-29 | 2019-04-19 | 佳讯飞鸿(北京)智能科技研究院有限公司 | 一种转辙机状态监测装置、监测系统及监测方法 |
CN109677457A (zh) * | 2019-01-09 | 2019-04-26 | 北京全路通信信号研究设计院集团有限公司 | 一种光纤传感道岔转辙机状态监测装置和方法 |
CN109708696A (zh) * | 2018-12-28 | 2019-05-03 | 宁波思高信通科技有限公司 | 一种转辙机推力监测系统 |
CN109756707A (zh) * | 2018-12-24 | 2019-05-14 | 宁波思高信通科技有限公司 | 一种转辙机道岔缺口监测系统 |
CN110441629A (zh) * | 2019-07-29 | 2019-11-12 | 交控科技股份有限公司 | 基于道岔转辙机动作电流曲线的故障诊断方法及装置 |
CN110824280A (zh) * | 2019-10-08 | 2020-02-21 | 西南交通大学 | 基于特征相似度的道岔健康状态的诊断方法与可视化方法 |
CN111860971A (zh) * | 2020-06-29 | 2020-10-30 | 交控科技股份有限公司 | 道岔转辙机剩余寿命预测方法及装置 |
CN212921524U (zh) * | 2020-04-30 | 2021-04-09 | 浙江大学 | 转辙机位置表示装置及智能转辙机 |
CN113051709A (zh) * | 2021-02-04 | 2021-06-29 | 宁波思高信通科技有限公司 | 一种基于道岔健康管理的故障分析与预测方法 |
-
2021
- 2021-07-26 CN CN202110842956.6A patent/CN113581253B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202046335U (zh) * | 2011-05-13 | 2011-11-23 | 国投新登郑州煤业有限公司 | 一种基于行程闭环控制的气动式矿用道岔控制系统 |
CN204309803U (zh) * | 2014-12-18 | 2015-05-06 | 中国神华能源股份有限公司 | 铁路道岔检测装置 |
CN106740990A (zh) * | 2016-12-12 | 2017-05-31 | 中国神华能源股份有限公司 | 道岔动作功率曲线识别方法及系统 |
CN107451004A (zh) * | 2017-07-01 | 2017-12-08 | 南京理工大学 | 一种基于定性趋势分析的道岔故障诊断方法 |
CN206945059U (zh) * | 2017-07-13 | 2018-01-30 | 上海邦诚电信技术股份有限公司 | 电空型转辙机综合监测装置 |
CN109756707A (zh) * | 2018-12-24 | 2019-05-14 | 宁波思高信通科技有限公司 | 一种转辙机道岔缺口监测系统 |
CN109708696A (zh) * | 2018-12-28 | 2019-05-03 | 宁波思高信通科技有限公司 | 一种转辙机推力监测系统 |
CN109649438A (zh) * | 2018-12-29 | 2019-04-19 | 佳讯飞鸿(北京)智能科技研究院有限公司 | 一种转辙机状态监测装置、监测系统及监测方法 |
CN109677457A (zh) * | 2019-01-09 | 2019-04-26 | 北京全路通信信号研究设计院集团有限公司 | 一种光纤传感道岔转辙机状态监测装置和方法 |
CN110441629A (zh) * | 2019-07-29 | 2019-11-12 | 交控科技股份有限公司 | 基于道岔转辙机动作电流曲线的故障诊断方法及装置 |
CN110824280A (zh) * | 2019-10-08 | 2020-02-21 | 西南交通大学 | 基于特征相似度的道岔健康状态的诊断方法与可视化方法 |
CN212921524U (zh) * | 2020-04-30 | 2021-04-09 | 浙江大学 | 转辙机位置表示装置及智能转辙机 |
CN111860971A (zh) * | 2020-06-29 | 2020-10-30 | 交控科技股份有限公司 | 道岔转辙机剩余寿命预测方法及装置 |
CN113051709A (zh) * | 2021-02-04 | 2021-06-29 | 宁波思高信通科技有限公司 | 一种基于道岔健康管理的故障分析与预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113581253A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113581253B (zh) | 电空道岔转辙机的状态确定方法和装置 | |
CN108569607A (zh) | 基于双向门控循环神经网络的电梯故障预警方法 | |
CN106873571B (zh) | 一种基于数据和模型融合的预警方法 | |
CN105956290B (zh) | 一种基于多数据融合技术的高压断路器机械故障诊断方法 | |
CN111898669B (zh) | 一种基于机器学习的直流矿热炉异常事件预警系统 | |
CN110209999A (zh) | 一种车载设备故障趋势预测方法 | |
CN111506049B (zh) | 基于aann网络系统的航空发动机控制系统多重故障诊断方法 | |
CN111272412B (zh) | 电控气动设备的故障检测方法、装置、设备和存储介质 | |
CN104297002A (zh) | 一种地铁电动塞拉门故障预测装置 | |
KR20200137085A (ko) | 전동차의 전기식 출입문 고장예측 장치 | |
CN115559890A (zh) | 一种水泵机组运行故障预测调整方法及系统 | |
KR102156858B1 (ko) | 로봇 팔의 고장 진단 및 예측 방법 | |
CN116142913A (zh) | 一种基于大数据的设备健康状态分析方法及系统 | |
CN112728417A (zh) | 一种核电厂主蒸汽隔离阀在线诊断装置与方法 | |
CN114323671A (zh) | 借助人工智能方法基于对电驱动系统的组件的预测诊断来确定剩余使用寿命的方法和设备 | |
CN111932080A (zh) | 一种应用于水务管网的预警防护系统及方法 | |
CN112633614A (zh) | 一种基于特征提取的实时故障程度诊断系统及方法 | |
CN106151170A (zh) | 一种液压系统的故障诊断方法、装置及翻车机 | |
CN113460122A (zh) | 电动道岔转辙机系统的状态检测方法、装置、设备及介质 | |
US20200010101A1 (en) | Method and system for monitoring a point system of a railway network, and point system of a railway network | |
CN116796261B (zh) | 一种基于人工智能的封闭开关设备机械特性预测方法 | |
CN107562041A (zh) | 转辙机故障预警方法、装置、设备及计算机可读存储介质 | |
CN112731131A (zh) | 一种电动直流隔离开关的故障诊断方法及装置 | |
CN112489841A (zh) | 一种核电机组蒸汽发生器的水位容错控制方法 | |
CN113421017A (zh) | 系统状态检测方法、装置、设备、系统及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |