基于bp神经网络的道岔智能故障诊断方法

《基于bp神经网络的道岔智能故障诊断方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第17卷第2期铁道运营技术Vol.17No.22011年4月RailwayOperationTechnologyApril2011基于BP神经网络的道岔智能故障诊断方法12311王铁军，董昱，马彩霞，沈成禄，崔宁宁（兰州交通大学自动化与电气工程学院，1.硕士研究生；2.教授，甘肃兰州730070；3.广州铁路集团公司怀化电务段，助理工程师，湖南怀化418000）摘要：为将神经网络技术运用在铁路道岔故障诊断领域，提出了以神经网络技术为基准，针对道岔常见的3个故障类分别建立3个子神经网络，并总体组建成一个并行神经网络系统的道岔智能故障诊断方法，以帮助维修人员快捷、准

2、确、自动地诊断出故障原因，降低故障处理时间，提高运行效率。关键词：道岔智能故障诊断；BP神经网络；道岔监测系统；网络模型中图分类号：U284.91文献标识码：A文章编号：1006-8686（2011）02-0004-04〔2〕目前，我国高速铁路营运里程达到7055km，沪络ANN。其中误差反传网络（BP网络）是常用的杭高铁试运行最高时速达到416.6km。更高的列车一种。运行速度，对铁路关键设备——道岔提出了更高的要求。目前，我国的道岔监测设备主要是微机监测1.2人工神经网络工作原理ANN由简单的神经系统和某铁路研究设计院正在研发并已上道实验的元（信息处理单元）

3、互联组成，能接受并处理信息。道岔监测系统。这2个系统现都只提供道岔各组成虽然单个神经元只能进行十分简单的信息处理，但设备的在线监测信息和故障报警，缺少对设备的智多个神经元连接而成的网络却具有强大的计算能能故障诊断功能。道岔设备的各种故障征兆参数之力。网络的信息处理是由处理单元之间的相互作用间关系复杂并且非线性。传统的故障诊断方法对于实现。改变神经元之间的连接方式和连接强度就可非线性关系，数学模型较难建立并且诊断结果不够理以改变神经网络的计算效果，知识与信息的存储，则〔2〕想。而BP神经网络则具有很好的非线性映射、自学表现为处理单元之间分布式的物理联系。习能力和对

4、环境的自适应能力等特点，能较好满足道BP网络是一种多层前馈神经网络。它由3层岔故障诊断领域的要求。为了指导维修工作，对道岔神经元构成，分别为输入层、隐含层和输出层。输入设备状态修提供完善的技术支持，智能故障诊断，已层神经元节点个数等于采集数据的特征向量维数，〔1〕成为道岔监测设备的重中之重。因此，在道岔监测输出层神经元节点数取决于所需要的类别数。根据系统提供的数据基础上，提出一种基于BP神经网络BP网络隐含层设计的经验，隐含层单元数目可根据的道岔智能故障诊断方法。该方法可用来估计故障需要和对神经网络结构的优化而设置。的发展程度和区分故障的类型，指导维修工作。1.

5、3人工神经网络特点神经网络是一门高度综合1人工神经网络概述的交叉学科，它涉及到神经生理科学、数理科学、信息科学和计算机科学等众多学科领域。其特点如下：1.1人工神经网络定义人工神经网络是受生物1）分布式存储。其具有良好的容错性与联想记神经网络的启发构造而成，它是在对生物神经网络忆功能。神经网络记忆的信息是存储在神经元之间认识的基础上，把分子和细胞技术所达到的微观层的权值中。个别神经元和权值的损坏不会对信息特次与行为研究所达到的系统层次结合起来，以数学征造成太大影响，这使得网络具有良好的容错性。和物理方法以及信息处理的角度对人脑神经网络2）相对于专家系统的知识获取

6、“瓶颈”问题，神进行抽象，并建立某种简化模型，称为人工神经网经网络可以通过训练和学习来获得网络的权值与结4基于BP神经网络的道岔智能故障诊断方法构，呈现出很强的自学习能力和对环境的自适应能力。过大量样本对网络进行多次训练来改变网络中的连3）诊断耗时少。神经网络将领域专家的启发式接权值，只有通过多次训练才能达到理想的效果。知识和经验分布存储于神经元的互连中，不做成专门因此，充足的学习样本是训练神经网络的关键。而的知识库，在线诊断时，不再像专家系统和模糊控制道岔监测系统可以提供完善的状态监测信息，使系那样进行规则的匹配搜索，从而大大减少诊断耗时。统训练样本充足，确保

7、了对BP神经网络模型的可靠〔1〕训练。1.4并行BP神经网络系统并行BP网络是通过多个BP子神经网络对多个特征值分类，每个子神经3道岔智能故障诊断的实现网络诊断一类故障，结构如图1所示。有多少类故障，就有多少个子网络与之对应。其优点是每个子根据现场维修人员对道岔设备故障积累的宝贵网络结构相对来说比较简单，训练迅速，而且子网络经验，把道岔的典型故障分为3类：道岔密贴不良、间互不影响，尤其是当有新的故障发生时，只需要简道岔转换故障、道岔电路故障。单地增加一个训练好的子网络，即可识别新故障，而采用并行BP神经网络建立网络模型，每类故障不用像单子网络一样全部重新学习，这

8、样就大大提建立1个子神经