一、提速道岔密贴及表示杆缺口监测系统（论文文献综述）
张振,李倩文[1]（2021）在《浅谈ZDJ9转辙机的安装调试及日常维护》文中研究指明结合ZDJ9转辙机工作原理及产品结构,从道岔密贴力的调试、缺口监测设备的调试、接点打入深度的调整及接点座的日常维护4个方面进行阐述,以便提升现场维护人员对转辙机安装调试和日常维护时的工作质量,降低产品故障率。
鲍才让太,莫重明,翟文革,丁召荣[2]（2021）在《转辙机综合监测的需求及方法研究》文中提出由于道岔转换设备的特殊性,其实时运行参数较难获得,制约道岔转换设备维修模式的发展。基于现有传感器技术及转辙机监测需求,结合转辙机安全性及可靠性要求,提出现阶段可实施的转辙机监测项点,并以ZDJ9转辙机为例进行实施,所测得的参数可以作为后续处理的基础数据,用于转辙机的故障预测及健康诊断。
陶俊宇[3]（2021）在《信号集中监测系统的研究和应用》文中进行了进一步梳理目前,从中国国家铁路集团有限公司至各站段,都在研究通过维修体质改革解决电务工作人员数量和能力的增长量与设备数量的增长量相差甚远问题,其中提出了“集中修+状态修”,状态修的推进和开展,就得依托信号集中监测系统;如何快速高效的进行应急处置还得依托信号集中监测系统。本文为解决上述问题,通过对信号集中监测系统的研究,并应用到维修生产中的状态修方面和应急处置的故障诊断方面。首先对现有信号集中监测系统各项功能进行研究,充分发挥现有信号集中监测系统功能,指导生产与应急处置;其次分析既有信号集中监测系统中缺少的功能,通过完善缺少的功能,使指导生产和应急处置更全面化;最后对信号集中监测系统的应用范围进行研究,拓展信号集中监测系统的应用范围,涵盖早期施工介入,前期联调联试,运行期间电特性测试、故障诊断,目标是基于信号集中监测系统,建立监测、生产、应急处置和管理一体化,最终达到改进电务设备的维护,确保电务设备的安全运行。
谢玉双[4]（2020）在《ZDJ9转辙机故障智能诊断系统的研究》文中指出随着我国都市建设进程加快,城轨交通迎来了兴建浪潮。转辙机作为行车关键设备,对列车安全、正点运行发挥着至关重要的作用。交流三相五线制ZDJ9转辙机能够满足高铁和地铁高强度、高密度转换需求,近几年在国内广泛采用,成为国内城市轨道交通主流道岔控制装备。目前国内对ZDJ9转辙机的故障检测和处理基本上还是依靠人为判断,技术上仅设置了道岔转换电流曲线、道岔表示电压等模拟量监测和缺口监测作为辅助判断设备。由于故障处理人员业务水平差异,形成现在很多转辙机故障要等业务骨干和工程师等抢险队从远处赶来抢险,不能及时得到处置,影响列车的安全、正点运行。ZDJ9转辙机故障智能诊断系统就是引进人工智能理念,通过全面地收集各类ZDJ9参数信息,进行智能逻辑运算,快速找出故障原因,直观地对故障处理人员做出恢复指引,减少了对人员经验的依赖,使故障得到快速修复。ZDJ9转辙机故障智能诊断系统采用现代通信技术和传感器技术,室内实时监测控制继电器线圈和接点电流、电压,室外通过收集转辙机动作电流曲线、表示电压、缺口影像等数据,再集成尖轨和基本轨位移情况、道岔测力等数据,形成较为全面的道岔参数报告。在此基础上,通过软件逻辑分析和智能判断,找出故障成因,并将对应的处理措施以对话框形式直观地指引故障处理人员,达到快速有效处置ZDJ9转辙机故障的效果。ZDJ9故障智能诊断系统通过现代化监测技术,还能第一时间发现继电器老化、道岔指标微弱变化等现象,并及时发出告警,进一步体现了铁路预防性维护的特点,将设备隐患预先识别、预先发现、预先解决的思想。本论文对ZDJ9故障智能诊断系统硬件、软件实现方式,以及实现技术进行研究。该系统可以改进现有ZDJ9转辙机维护和故障处理技术,缩短故障处理时间,提高了信号设备维护自动化、智能化水平。
李婉婉[5]（2020）在《基于LSTM的提速道岔故障预测研究》文中提出随着我国经济的不断发展,对快速满足交通系统的需求不断提高,高速铁路系统在经过几次大提速后,如何保证现有铁路设备实时正常工作成为亟待解决的问题;提速道岔作为决定高速列车运行方向的关键设备,保证及时和高效维护是正常运行的前提,而传统的故障修模式存在效率低下、工作量大、可靠性低的弊端。目前,铁路设备正在提出由故障修向预防修理念的转换,作为铁路现场的故障高发区,道岔具体故障如何被精确预测成为研究的重点和难点,论文针对以上问题,主要研究工作如下:首先,选择S700K型提速道岔作为研究对象,分别分析提速道岔的组成结构、转辙机的动作原理以及道岔功率曲线的采集原理,将道岔状态分为健康态、亚健康态和故障态;结合现场道岔常见故障的发生情况,将道岔故障分为机械故障和电气故障,并选择道岔故障发生频率较高的4种机械故障、2种电气故障作为故障源,并通过道岔所处的状态给出对应的三个检修等级,依次为检修Ⅰ级、检修Ⅱ级和检修Ⅲ级。其次,将道岔状态分为静态和动态,分别设定道岔健康评估基准,设计基于云相似度的道岔曲线相似度作为道岔动态健康指标;设计道岔标准转换时长与道岔表示杆缺口作为静态指标等。具体做法是:设计基于中位数的道岔标准曲线作为评估基准,通过计算道岔标准曲线与道岔实时动作曲线的云相似度反映道岔是否处于正常状态,同时根据统计学理论,计算健康状态与其余状态的指标分界线;通过云模型求解拟合的标准曲线和实时动作曲线的曲线相似度,通过采集的大量样本定义健康状态云相似度的下阈值和亚健康态的云相似度范围,给出检修等级意见。然后,选择道岔云相似度作为单变量构建长短时记忆神经网络模型（Long Short Term Memory,LSTM）进行道岔亚健康态预测,同时构建自回归模型（Auto Regression Model,AR）进行预测对比,验证LSTM在应用于道岔中进行时间序列预测的优势;针对道岔单变量评估存在的描述不全面问题,将功率曲线相似度及转换时长作为道岔动作曲线的动态评价指标,把锁闭柱与锁闭杆的缺口间隙和标准柱与表示杆的缺口间隙设置成静态评估指标;选择以上四个变量作为道岔的评估指标,构建多变量LSTM神经网络,对道岔进行多变量预测研究。最后,对预测得到的道岔亚健康态进行故障预测定位。首先对故障源中的6种故障类型选取曲线云相似度、道岔转换时间、锁闭柱与锁闭杆的缺口间隙、标准柱与表示杆的缺口间隙作为特征量,使用高斯混合模型（Gaussian Mixture Model,GMM）聚类方法对预测得到的数据进行整理及聚类,分别选取神经网络的训练集和测试集构建概率神经网络（Probabilistic neural network,PNN）,进行具体故障类型预测,给出可能出现的故障类型概率统计,通过和BP神经网络、改进的BP神经网络进行训练误差对比,能够得出概率神经网络对具体故障的定位能力强。
许强[6]（2019）在《高速铁路工电一体化道岔维护系统的研究》文中认为道岔是铁路运输中使列车车辆由一条线路驶向另一条线路的设备,是铁路基础设备中的关键设备之一,主要有基本轨、尖轨、可动心轨及道岔转换锁闭等部分组成。道岔可动部分尖轨、心轨等是线路的薄弱点,既是工务部门线路养护的重点,也是电务部门维护的重点,又是工务、电务惯性故障多发、频发的结合部设备,难以防范和整治。目前,既有道岔检测设施主要有信号集中监测、缺口监测、CPIII线路监测等系统,以及工务、电务综合监测列车数据。通过监测转辙机动作曲线、表示电压、道岔缺口和工务监测轨距道床状态等信息的运用,虽然减少了部分道岔故障,但道岔工电结合部设备维护综合运用效果并不明显。近年来,随着高速和普速线路数量的增多,道岔数量不断增加,道岔的故障率已占故障总数的50%以上。为此,中国国家铁路集团有限公司通过研究道岔综合监测系统、推进工务、电务部门维修体制改革、改进修程修制、推广工电联合检查整治等办法,提升道岔运用质量,降低故障率。本文针对上述情况,首先通过介绍研究背景和现状,以及各监测系统道岔数据的类别和预报警信息的运用情况,人工辅助分析各类检测数据,直接指导道岔维修工作。其次分析系统功能需求、阐述系统设计标准、设计原则及系统间通信标准和处置流程,实现系统的总体设计。再次采用综合数据分析和FTA两种方法来综合获取故障系统建模所需的知识,确定诊断网络的概率参数,建立了CMEP贝叶斯网络模型,并运用贝叶斯网络诊断算法软件对道岔失去表示的故障实例进行了仿真验证,为道岔故障分析提供科学依据,指导现场准确判断故障原因,解决设备隐患。最后利用运用计算机技术、通信技术及Mysql数据库技术、Java语言等方法,实现了高速铁路工电一体化道岔维护系统。通过高速铁路工电一体化系统的使用,实现工务、电务道岔设备资源的共享共用,实时了解道岔运用状态,掌握现场工电联合检查、整治、验收情况,综合分析安全隐患,实施预防性维修,提高设备维护质量、保证列车运行安全。
孙泽奇[7]（2019）在《基于大数据的铁路道岔缺口监测分析研究》文中提出目前随着我国铁路行业高速发展,我国铁路基础设施的数量也在逐渐增多,而设备的健康状况管理与监测问题一直没有得到很好的解决。当前我国铁路对于运输设备的维护主要采取“计划修”的手段,即以预防为主的定期维护,而这种传统的维修模式已经不能满足我国铁路发展形式下的新要求,迫切需要对铁路设施运行与健康状态进行监测分析,采取“状态修”或“预测修”的智能维护模式。另外,当前铁路系统各专业也已经积累了大规模的海量数据,并且还在呈现不断增长的趋势,但目前还缺乏一种有效手段来对铁路基础设施的健康状态进行统一管理以及对设备运行过程中所产生的海量数据进行有效的挖掘分析。本文以道岔缺口及转辙机设备状态的监测分析为研究重点,全面了解分析了国内外研究现状,提出了铁路道岔缺口大数据智能监测分析平台的研究思路,并通过铁路道岔缺口大数据智能监测分析平台相关技术的研究,实现了铁路道岔缺口及转辙机设备的状态管理、智能监测与综合分析。本文主要研究内容包括以下几个方面:（1）首先围绕当前铁路道岔缺口监测现状与实际业务需求进行分析,并根据目前主流物联网、大数据以及机器学习的相关技术,对道岔缺口大数据智能监测与分析平台的整体架构、各部分主要功能以及所涉及相关技术进行了设计与研究。（2）在完成了铁路道岔缺口大数据智能监测与分析平台设计的基础上,对其各部分功能的具体实现方法与技术细节展开了深入研究,包括数据采集接入存储的实现、大数据处理分析的实现以及数据挖掘机器学习模型的实现等。（3）文章最后对于道岔缺口大数据智能监测分析平台在实际生产环境中的功能和性能进行了详细的测试,经过对测试结果的研究分析,证明了本文所设计平台能够有效地实现对道岔缺口以及转辙机设备的智能监测分析,满足铁路基础设施对于设备状态的管理和监测需求。
武汉局[8]（2019）在《武汉局集团道岔转换设备维修工作汇报》文中提出近几年,我们在道岔设备维护及工电联整方面下了不少功夫,学习了相关路局的经验,道岔故障连续减少,但维修不良的故障仍占七成,我们与兄弟路局还有很大差距。相信在总公司组织的这次交流会上,我们会收获很多。武汉局道岔转换设备有ZYJ7+SH6、S700K、ZD6和ZD7、ZK4、ZDJ9等六大类,共有道岔9345组,其中提速道岔4572组。
李林霄[9]（2019）在《基于改进卷积神经网络的道岔故障诊断方法研究》文中研究指明近十年来,中国高铁建设取得了质的飞跃,铁路网正从“四纵四横”走向“八垂直和八水平”。截至2018年底,中国铁路总里程已超过13.1万公里,其中高速铁路总里程约为2.9万公里,占世界总里程的66%。高速铁路的快速发展,不仅缩短了旅客的出行时间,而且促进了区域经济的协调发展。信号系统是铁路运输管理系统中的一项重要组成部分,是用来进行列车运行管理和保障行车安全的工具。道岔是列车运行的关键基础设备,是保证列车运行安全的基本条件,尤其是在在列车高速运行状态下,道岔系统的稳定性和精密性尤为重要。转辙机是在列车行进过程中改变行进轨道,实现道岔转换的重要基础部件。目前对转辙机动作电流的分析及故障判别主要依赖技术人员的人为分析,这种分析方法不仅效率低,实时性差,且容易产生误判错判,从而导致事故的发生。由于人们对铁路正点、快速、舒适、安全提出了更高的要求,现在研究的道岔故障诊断方式已不适应目前的发展需求,因此,需要更为高效且准确的故障诊断方法来帮助电务人员判断故障原因。针对上述背景,本文选择ZYJ7型交流电液转辙机为研究对象,选用卷积神经网络为研究新方法,对提速道岔进行故障分类,最终实现道岔故障定位与预测的智能化。论文的主要工作及研究成果如下:首先,详细介绍了 ZYJ7型道岔系统的组成及其动作过程,阐述了其工作原理和正常动作电流曲线。通过现场调研兰州局某电务段微机监测中心的微机监测数据,根据收集到的电流曲线及专家经验,并结合相关参考文献,归纳总结了 5种常见的故障模式,分别为:卡阻故障、异常状态回操、异常阻力故障、道岔卡缺口故障和表示电路故障,同时总结其各自对应的动作电流曲线形式,并分析了各种故障模式产生的原因。其次,由于ZYJ7型交流电液转辙机道岔系统的电流曲线较为复杂,提出如何根据电流曲线样本数据提取和选择特征电流参数的三种方法:（1）直接选用简单处理过的道岔动作电流原始曲线;（2）根据道岔电流曲线每个状态的电流参数提取参数电流;（3）将道岔动作电流曲线按时间提取每个时间段内的电流参数值。然后分析了卷积神经网络的基本结构及其相关技术特点,重点是局部连接和权值共享特性,详细地以数学公式推导的方式阐述其前向传导与反向传播的网络训练过程。接下来详细阐述了自适应增强卷积神经网络的核心算法,即在原始卷积神经网络的前向传导与反向传播过程之间增加自适应模块,对原始的分类结果进行分析和特征提取,并根据最后的迭代次数、特征提取的精度以及识别结果,使用自动增强系数对特征误差进行自适应的调整,实现特征残差的自适应增强。在此基础上,针对ZYJ7型交流电液转辙机道岔系统,设计基于自适应增强卷积神经网络的道岔故障诊断模型。最后,对三种参数提取方法和两种卷积神经网络的性能进行对比实验,得出:（1）电流参数提取方法一对道岔故障特征有较好的表达;（2）自适应增强卷积神经网络对故障诊断的诊断率较原始卷积神经网络的收敛性和稳定性有一定的提高,且识别率提高了 5%左右。由于选用电流曲线的泛化性、收敛性和识别率均表现良好,故使用自适应增强卷积神经网络对ZYJ7型道岔动作电流曲线故障诊断的方法可进一步推广到其他多种道岔。
钟志旺[10]（2019）在《铁路道岔健康状态评估与预测方法研究》文中进行了进一步梳理铁路道岔是不定期间歇性工作的机电一体化设备。在铁路线路中数量多,转换频繁、失效率高、故障预防难度大,直接影响行车效率和行车安全。当前周期性计划修,有如下不足:即将出现故障的道岔难以获得优先检修;过剩修问题难以避免,甚至导致“修出来的故障”;劳动效率难以提高;检修过程中作业人员的劳动安全风险控制难度大。铁路道岔实行预防修将是发展方向。实施预防修的前提是要尽可能及时准确地评估预测道岔的健康状态。当前,提高道岔运用质量方面的理论、方法和技术研究仍以故障后的诊断为主,面向预防修的道岔健康状态划分、评估基准、参数采集、预测方法等方面,既有研究尚少且理论方法研究的深度也仍有不足。本论文针对实施道岔预防修所需的理论和方法基础,基于故障预测与健康管理理论,研究并在现场验证了铁路道岔健康状态评估与预测方法。论文的主要创新点如下:1.面向预防修将道岔状态划分为故障、亚健康和健康三个健康等级;加入时间因素提出了对应的四个检修等级划分,试验总结出了边界参数。基于大量数据统计分析和特征提取,提出基于曲线相似度和道岔转换时长的健康评估与预测方法,建立综合评估指标Index与皮尔逊相关系数rxy和欧氏距离dxy之间的关系式,形成了评估道岔转换过程劣化程度的数值标准。2.通过表示缺口标记方式,解决了直接拍摄道岔表示缺口时图像边界因受污染而影响精度的问题。提出基于CMOS面阵技术的自适应灰度门限图像边界识别算法,提高了道岔表示缺口大小识别精度。提出基于概率潜在语义（PLSA）道岔故障特征数据识别方法,通过词项挖掘其语义上的关联性,提高了道岔历史数据的利用率。3.从分析具有转换过程典型代表意义的ZYJ7型道岔转换过程参数曲线形态特征出发,提出基于众值分析识别转换中间阶段和两端参数的方法,提高了道岔转换过程启动、转换和检查三个阶段划分的准确度。用本文提出的方法,对道岔转换过程的三个阶段分别细化健康状态评估,为道岔精细化检修提供了理论支撑和方法。4.针对道岔故障数据为小样本和正常数据与故障数据在数量上严重不平衡的问题,用支持向量机（SVM）和支持向量描述（SVDD）分别评估道岔健康状态;针对道岔周期性调整、受外界突发事件影响和时序传递性等特征,用多项式回归、多元回归和长短期记忆网络（LSTM）分别预测健康状态变化趋势。基于预测结果得出的检修优先级建议列表,为道岔预防修提供了有效参考。
二、提速道岔密贴及表示杆缺口监测系统（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、提速道岔密贴及表示杆缺口监测系统（论文提纲范文）
（1）浅谈ZDJ9转辙机的安装调试及日常维护（论文提纲范文）
| 1 ZDJ9转辙机道岔密贴力的调试 |
| 1.1 联动内锁闭道岔密贴力调试 |
| 1.2 外锁闭装置道岔密贴力调试 |
| 2 缺口监测设备的调试 |
| 3 接点打入深度的调整 |
| 4 接点座的日常维护 |
| 5 结论 |
（2）转辙机综合监测的需求及方法研究（论文提纲范文）
| 1 概述 |
| 2 研究现状及问题 |
| 2.1 道岔转换设备相关监测研究现状 |
| 2.2 存在的问题 |
| 3 转辙机综合监测需求 |
| 4 ZD9/ZDJ9转辙机综合监测的实现 |
| 4.1 传感器及安装结构的限制 |
| 4.2 ZDJ9转辙机可监测项点 |
| 4.3 监测样例 |
| 5 小结 |
（3）信号集中监测系统的研究和应用（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外发展现状 |
| 1.2.1 国内现状 |
| 1.2.2 国外现状 |
| 1.3 论文结构 |
| 2 信号集中监测系统 |
| 2.1 系统组成 |
| 2.1.1 系统结构 |
| 2.1.2 系统网络 |
| 2.1.3 系统功能 |
| 2.1.4 系统接口 |
| 2.2 系统不足 |
| 2.2.1 采集不足 |
| 2.2.2 接口不足 |
| 2.2.3 智能化不足 |
| 2.2.4 软硬件不足 |
| 2.3 本章小结 |
| 3 信号集中监测系统改进 |
| 3.1 采集结构改进 |
| 3.1.1 轨道电路采集改进 |
| 3.1.2 信号机采集改进 |
| 3.1.3 半自动闭塞采集改进 |
| 3.1.4 牵引回流采集改进 |
| 3.2 接口结构改进 |
| 3.2.1 接口系统改进 |
| 3.2.2 接口数据改进 |
| 3.2.3 接口网络改进 |
| 3.3 智能化功能改进 |
| 3.3.1 电缆功能改进 |
| 3.3.2 道岔功能改进 |
| 3.3.3 轨道电路功能改进 |
| 3.3.4 信号机功能改进 |
| 3.4 系统软硬件改进 |
| 3.5 改进后成效 |
| 3.6 本章小结 |
| 4 电务设备维护改进 |
| 4.1 维修生产改进 |
| 4.2 应急处置改进 |
| 4.3 本章小结 |
| 5 结论与前景展望 |
| 5.1 结论 |
| 5.2 下一步研究展望 |
| 参考文献 |
| 作者简历及攻读学位期间取得的科研成果 |
| 学位论文数据集 |
（4）ZDJ9转辙机故障智能诊断系统的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 序言(前言) |
| 1 引言 |
| 2 绪论 |
| 2.1 研究背景及意义 |
| 2.2 国内外研究现状 |
| 2.3 论文的主要内容和结构 |
| 3 ZD(J)9 电动转辙机原理及其故障分析 |
| 3.1 道岔转换原理 |
| 3.1.1 机械故障主要考量参数 |
| 3.1.2 机外机械故障成因分析 |
| 3.1.3 机外机械故障监测关注点 |
| 3.2 ZDJ9 转辙机组成 |
| 3.2.1 ZDJ9 机内原理 |
| 3.2.2 机内机械故障成因分析 |
| 3.2.3 机内机械故障监测关注点 |
| 3.2.4 ZDJ9 电路原理 |
| 3.2.5 ZDJ9 电路故障成因分析 |
| 3.2.6 ZDJ9 电路故障监测关注点 |
| 3.3 微机监测转辙机动作电流曲线图解 |
| 4 ZDJ9 转辙机故障智能诊断系统设计 |
| 4.1 系统概述 |
| 4.2 系统构成 |
| 4.2.1 系统架构 |
| 4.2.2 硬件构成 |
| 4.2.3 软件构成 |
| 4.3 通信与供电网络构成 |
| 500m的站场)'>4.3.1 混合网络模式(适用于电缆传输距离>500m的站场) |
| 4.3.2 载波网络模式(适用于电缆传输距离≤500m的站场) |
| 4.3.3 光纤传输模式(适用于所有传输距离的站场) |
| 4.4 道岔监测网络构成 |
| 4.4.1 监测网络架构 |
| 4.4.2 监测网络VLAN划分 |
| 4.5 系统功能 |
| 4.5.1 系统综合功能 |
| 4.5.2 ZDJ9 道岔监测功能 |
| 4.5.3 转辙机故障智能诊断功能 |
| 4.5.4 道岔智慧管理功能 |
| 4.5.5 辅助功能 |
| 5 主要技术分析 |
| 5.1 道岔设备监测原理 |
| 5.2 转辙机故障智能诊断法 |
| 5.3 数据安全 |
| 5.4 性能指标 |
| 5.5 部署条件 |
| 5.5.1 供电需求 |
| 5.5.2 空间需求 |
| 5.5.3 服务器配置要求 |
| 5.5.4 外部接口 |
| 5.5.5 系统硬件 |
| 6 软件界面 |
| 6.1 综合功能 |
| 6.2 继电组合电路监测 |
| 6.3 缺口监测 |
| 6.4 缺口晃动量与视频监测 |
| 6.5 道岔力曲线监测 |
| 6.6 转辙机故障诊断分析 |
| 6.7 转辙机故障智能分析 |
| 6.8 ZDJ9 故障智能诊断系统APP V1.0 界面 |
| 7 结论 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 作者简历及攻读学位期间取得的科研成果 |
| 学位论文数据集 |
（5）基于LSTM的提速道岔故障预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 道岔故障诊断研究现状 |
| 1.2.2 故障预测研究现状 |
| 1.2.3 LSTM在故障预测领域的应用现状 |
| 1.3 主要研究内容 |
| 2 道岔健康状态划分 |
| 2.1 道岔基本理论 |
| 2.1.1 道岔基本组成 |
| 2.1.2 道岔动作原理 |
| 2.2 道岔状态划分 |
| 2.2.1 静态和动态 |
| 2.2.2 健康等级 |
| 2.3 道岔数据样本集分析 |
| 2.4 小结 |
| 3 道岔评估基准 |
| 3.1 基于中位数法的道岔标准曲线 |
| 3.1.1 道岔上下边沿范围 |
| 3.1.2 中位数原理 |
| 3.2 基于云相似度的道岔曲线相似度 |
| 3.2.1 云理论简介 |
| 3.2.2 具体流程 |
| 3.3 其余评估指标 |
| 3.4 仿真 |
| 3.4.1 道岔标准曲线确定 |
| 3.4.2 标准转换时长确定 |
| 3.4.3 云相似度仿真 |
| 3.5 小结 |
| 4 道岔亚健康态预测 |
| 4.1 基于AR模型的道岔故障预测 |
| 4.2 基于LSTM的道岔故障预测 |
| 4.2.1 LSTM原理 |
| 4.2.2 LSTM相关参数选择 |
| 4.2.3 LSTM神经网络数据走向及可视化结果 |
| 4.2.4 LSTM单变量预测 |
| 4.2.5 LSTM多变量预测 |
| 4.3 小结 |
| 5 道岔故障预测 |
| 5.1 GMM算法的故障聚类分析 |
| 5.1.1 算法概述 |
| 5.1.2 算法的实现过程 |
| 5.1.3 结果 |
| 5.2 故障诊断算法及流程 |
| 5.2.1 PNN神经网络介绍 |
| 5.2.2 建立诊断模型 |
| 5.2.3 结果分析 |
| 5.3 小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（6）高速铁路工电一体化道岔维护系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和目的 |
| 1.2 国内外道岔设备及监测系统的现状 |
| 1.2.1 国内道岔及监测系统运用情况 |
| 1.2.2 国外道岔设备及监测系统情况 |
| 1.3 论文主要研究内容及结构安排 |
| 2 道岔监测各系统主要功能和数据运用情况 |
| 2.1 信号集中监测系统 |
| 2.1.1 道岔功率曲线采集原理 |
| 2.1.2 道岔表示电压曲线 |
| 2.1.3 与其他系统接口 |
| 2.2 道岔缺口监测系统 |
| 2.2.1 道岔缺口采集原理 |
| 2.2.2 道岔缺口日、月曲线 |
| 2.2.3 道岔缺口监测报警设置 |
| 2.3 道岔转换监测系统 |
| 2.3.1 道岔静态监测 |
| 2.3.2 道岔动态监测 |
| 2.3.3 转换阻力测试 |
| 2.4 工务综合检测数据 |
| 2.5 道岔设备数据应用 |
| 2.5.1 主要数据 |
| 2.5.2 数据分析 |
| 2.6 小结 |
| 3 系统需求分析、设计原则和标准 |
| 3.1 需求分析 |
| 3.1.1 权限控制功能需求分析 |
| 3.1.2 系统配置功能需求分析 |
| 3.1.3 机构管理模块功能分析 |
| 3.1.4 站场管理功能需求分析 |
| 3.1.5 人员管理功能需求分析 |
| 3.1.6 设备管理功能需求分析 |
| 3.2 系统结构设计 |
| 3.2.1 系统软件结构 |
| 3.2.2 系统各层次结构 |
| 3.3 系统设计原则和标准 |
| 3.3.1 设计原则 |
| 3.3.2 设计标准 |
| 3.4 系统通信接口标准 |
| 3.4.1 接口流程 |
| 3.4.2 接口协议 |
| 3.5 小结 |
| 4 维护系统诊断模型的构建及故障推理 |
| 4.1 Bayes网络基础理论 |
| 4.1.1 Bayes的基本观点 |
| 4.1.2 Bayes网络的概率论基础 |
| 4.1.3 Bayes网络的结构及建立方法 |
| 4.2 网络故障知识的获取 |
| 4.2.1 综合数据分析 |
| 4.2.2 获取故障树知识 |
| 4.3 CMEP Bayes网络的故障诊断模型 |
| 4.3.1 CMEP Bayes网络模型概述 |
| 4.3.2 CMEP Bayes网络模型的构建 |
| 4.3.3 确定诊断网络的概率 |
| 4.4 Bayes诊断网络的推理 |
| 4.4.1 Bayes诊断网络的推理模式 |
| 4.4.2 Bayes网络诊断推理的流程 |
| 4.5 小结 |
| 5 系统故障诊断算法实现 |
| 5.1 故障诊断算法实现流程 |
| 5.2 贝叶斯网络分析软件介绍 |
| 5.3 实例分析 |
| 5.3.1 故障网络模型的构建 |
| 5.3.2 故障诊断网络的推理 |
| 5.3.3 故障诊断网络的验证 |
| 5.4 算法分析与评价 |
| 5.5 算法运用 |
| 5.6 小结 |
| 6 系统平台实现 |
| 6.1 系统软件 |
| 6.1.1 系统软件开发工具 |
| 6.1.2 系统软件总体架构 |
| 6.1.3 系统总体功能流程图 |
| 6.2 系统功能 |
| 6.2.1 系统主界面 |
| 6.2.2 工区终端功能 |
| 6.2.3 车间终端功能 |
| 6.2.4 段级终端功能 |
| 6.3 高速铁路工电一体化维修系统组网 |
| 6.4 小结 |
| 结论 |
| 致谢 |
| 参考文献 |
（7）基于大数据的铁路道岔缺口监测分析研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 铁路基础设施状态管理及监测技术现状 |
| 1.2.2 大数据技术研究现状 |
| 1.3 本文研究内容 |
| 2 相关技术背景 |
| 2.1 物联网相关技术 |
| 2.1.1 MQTT协议 |
| 2.1.2 Kafka消息队列 |
| 2.2 大数据生态 |
| 2.2.1 Hadoop |
| 2.2.2 分布式文件系统HDFS |
| 2.2.3 并行计算框架MapReduce |
| 2.2.4 分布式数据库HBase |
| 2.2.5 数据仓库Hive |
| 2.2.6 基于内存的并行计算框架Spark |
| 2.3 机器学习算法 |
| 2.3.1 主流回归算法 |
| 2.3.2 聚类算法 |
| 2.3.3 LSTM网络 |
| 2.4 本章小结 |
| 3 道岔缺口大数据智能监测与分析平台设计 |
| 3.1 业务需求分析 |
| 3.2 架构设计 |
| 3.2.1 大数据采集接入与分布式存储层 |
| 3.2.2 大数据处理分析层 |
| 3.2.3 大数据挖掘层 |
| 3.3 大数据采集接入与分布式存储层的设计 |
| 3.3.1 数据接入与存储架构设计 |
| 3.3.2 基于MQTT Broker的接入机制 |
| 3.3.3 数据存储场景分析 |
| 3.4 大数据处理分析层的设计 |
| 3.4.1 大数据处理组件基础选型设计 |
| 3.4.2 数据处理实时性分析 |
| 3.4.3 大数据批量处理设计 |
| 3.5 大数据挖掘层设计 |
| 3.5.1 数据特征设计 |
| 3.5.2 机器学习算法设计 |
| 3.6 本章小结 |
| 4 道岔缺口大数据智能监测与分析平台的实现 |
| 4.1 大数据采集接入的实现 |
| 4.1.1 MQTT Broker数据接入的实现 |
| 4.1.2 采集接入数据的持久化 |
| 4.2 大数据处理分析层的实现 |
| 4.2.1 数据批量处理分析的实现 |
| 4.2.2 明细数据的转换处理 |
| 4.3 机器学习模型的实现 |
| 4.3.1 机器学习数据接口 |
| 4.3.2 数据的准备 |
| 4.3.3 机器学习模型的实现 |
| 4.4 本章小结 |
| 5 道岔缺口大数据智能监测与分析平台的测试 |
| 5.1 现场测试环境部署 |
| 5.2 大数据处理分析功能测试 |
| 5.2.1 数据批量处理功能测试 |
| 5.2.2 明细数据转换测试 |
| 5.3 机器学习模型的测试与评价 |
| 5.3.1 道岔缺口回归模型比较与测试 |
| 5.3.2 转辙机设备健康状态预测模型测试 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（9）基于改进卷积神经网络的道岔故障诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文的研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 论文的主要研究内容 |
| 2 ZYJ7型提速道岔故障模式分析 |
| 2.1 道岔系统组成及动作过程 |
| 2.1.1 道岔系统组成 |
| 2.1.2 道岔动作过程 |
| 2.2 动作电流曲线分析 |
| 2.3 常见道岔故障及原因分析 |
| 2.4 小结 |
| 3 ZYJ7型提速道岔电流参数提取 |
| 3.1 电流参数提取方法一 |
| 3.2 电流参数提取方法二 |
| 3.3 电流参数提取方法三 |
| 3.4 小结 |
| 4 卷积神经网络的构建 |
| 4.1 卷积神经网络研究现状 |
| 4.2 卷积神经网络基本结构 |
| 4.2.1 卷积层 |
| 4.2.2 池化层 |
| 4.2.3 激活层 |
| 4.2.4 全连接层 |
| 4.2.5 技术特点 |
| 4.3 卷积神经网络工作原理 |
| 4.4 小结 |
| 5 基于改进卷积神经网络的道岔故障诊断方法 |
| 5.1 自适应卷积神经网络研究模型 |
| 5.1.1 改进卷积神经网络研究现状 |
| 5.1.2 自适应模块算法实现 |
| 5.1.3 自适应卷积神经网络性能分析 |
| 5.2 基于卷积神经网络道岔故障诊断方法实现 |
| 5.2.1 模型设计 |
| 5.2.2 建立数据样本 |
| 5.2.3 实验建立 |
| 5.3 实验对比结果 |
| 5.3.1 对比实验一 |
| 5.3.2 对比实验二 |
| 5.4 小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（10）铁路道岔健康状态评估与预测方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1. 绪论 |
| 1.1 选题背景 |
| 1.1.1 道岔特点与运用需求分析 |
| 1.1.2 道岔检修方式发展与技术现状 |
| 1.2 道岔健康状态评估与预测研究应用现状 |
| 1.2.1 故障预测与健康管理研究现状 |
| 1.2.2 道岔健康状态评估预测研究现状 |
| 1.2.3 现有研究的不足 |
| 1.3 拟研究问题及意义 |
| 1.3.1 拟研究问题 |
| 1.3.2 研究意义 |
| 1.4 拟采用的预测方法理论分析 |
| 1.4.1 多项式回归预测理论与运用分析 |
| 1.4.2 多元回归预测理论与运用分析 |
| 1.4.3 LSTM预测理论与运用分析 |
| 1.5 论文主要内容及结构安排 |
| 2. 道岔健康机理及评估指标 |
| 2.1 道岔基本特性分析 |
| 2.1.1 道岔结构分析 |
| 2.1.2 道岔转换过程分析 |
| 2.2 道岔健康等级划分 |
| 2.2.1 健康等级的定义研究 |
| 2.2.2 健康等级分类与边界参数研究 |
| 2.3 根据道岔健康状态的检修等级划分 |
| 2.3.1 基于道岔健康状态的检修等级分析 |
| 2.3.2 道岔检修等级边界参数研究 |
| 2.4 道岔健康致因参数及数据来源分析 |
| 2.5 道岔健康评估基准 |
| 2.5.1 评估基准的选取分析 |
| 2.5.2 基准曲线形成方法研究 |
| 2.6 道岔健康状态评估方法 |
| 2.6.1 基于曲线相似度的评估方法 |
| 2.6.2 基于转换时长变化的评估方法 |
| 2.6.3 综合评估指标设计 |
| 2.7 本章小结 |
| 3. 道岔健康参数采集与处理方法 |
| 3.1 道岔健康参数采集 |
| 3.1.1 室内参数采集 |
| 3.1.2 室外参数采集 |
| 3.2 基于CMOS的道岔表示缺口数据采集与处理 |
| 3.2.1 采集方案 |
| 3.2.2 自适应门限的图像边界识别算法 |
| 3.3 基于PLSA的历史数据特征提取方法 |
| 3.3.1 记录数据特征分析 |
| 3.3.2 PLSA故障特征提取 |
| 3.4 本章小结 |
| 4. 道岔转换过程健康状态评估方法 |
| 4.1 道岔转换过程阶段特征分析与识别 |
| 4.1.1 道岔转换过程数据特征分析 |
| 4.1.2 基于众数的转换过程数据分段 |
| 4.2 基于综合指标的转换过程健康状态评估方法 |
| 4.2.1 启动过程异常评估与检修策略 |
| 4.2.2 转换过程异常评估与检修策略 |
| 4.2.3 检查过程异常评估与检修策略 |
| 4.2.4 细化评估方法运用评价 |
| 4.3 本章小结 |
| 5. 道岔整体健康状态评估与预测方法 |
| 5.1 基于SVM的道岔故障检测方法 |
| 5.1.1 理论基础 |
| 5.1.2 基于支持向量机的道岔故障检测 |
| 5.1.3 数据验证 |
| 5.2 基于SVDD的道岔故障检测方法 |
| 5.2.1 理论基础 |
| 5.2.2 故障特征 |
| 5.2.3 基于SVDD的道岔健康评估 |
| 5.2.4 实验设计与数据验证 |
| 5.3 基于多项式回归的健康状态预测 |
| 5.3.1 基于多项式回归的转换状态预测 |
| 5.3.2 基于多项式回归的转换时长预测 |
| 5.3.3 基于多项式回归的转换综合指标预测 |
| 5.3.4 基于多项式回归的表示缺口预测 |
| 5.3.5 预测结果检验与评价 |
| 5.4 基于多元回归的健康状态预测 |
| 5.4.1 基于多元回归的转换状态预测 |
| 5.4.2 基于多元回归的转换时长预测 |
| 5.4.3 基于多元回归的表示缺口预测 |
| 5.4.4 预测结果检验与评价 |
| 5.5 基于LSTM的健康状态预测 |
| 5.5.1 基于LSTM的转换状态预测 |
| 5.5.2 基于LSTM的转换时长预测 |
| 5.5.3 基于LSTM的转换综合指标预测 |
| 5.5.4 基于LSTM的表示缺口预测 |
| 5.5.5 预测结果检验与评价 |
| 5.6 基于健康状态评估的预防修运用 |
| 5.7 本章小结 |
| 6. 总结与展望 |
| 参考文献 |
| 图索引 |
| 表索引 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
四、提速道岔密贴及表示杆缺口监测系统（论文参考文献）
- [1]浅谈ZDJ9转辙机的安装调试及日常维护[J]. 张振,李倩文. 铁道通信信号, 2021(08)
- [2]转辙机综合监测的需求及方法研究[J]. 鲍才让太,莫重明,翟文革,丁召荣. 铁路通信信号工程技术, 2021(04)
- [3]信号集中监测系统的研究和应用[D]. 陶俊宇. 中国铁道科学研究院, 2021(01)
- [4]ZDJ9转辙机故障智能诊断系统的研究[D]. 谢玉双. 中国铁道科学研究院, 2020(01)
- [5]基于LSTM的提速道岔故障预测研究[D]. 李婉婉. 兰州交通大学, 2020(01)
- [6]高速铁路工电一体化道岔维护系统的研究[D]. 许强. 兰州交通大学, 2019(01)
- [7]基于大数据的铁路道岔缺口监测分析研究[D]. 孙泽奇. 北京交通大学, 2019(01)
- [8]武汉局集团道岔转换设备维修工作汇报[A]. 武汉局. 全路道岔转换设备维修交流会资料汇编, 2019
- [9]基于改进卷积神经网络的道岔故障诊断方法研究[D]. 李林霄. 兰州交通大学, 2019(03)
- [10]铁路道岔健康状态评估与预测方法研究[D]. 钟志旺. 北京交通大学, 2019(12)