基于神经网络和马尔科夫模型的道岔故障诊断与预测研究
作者机构：南京铁道职业技术学院南京210031
出 版 物：《科技创新与应用》 (Technology Innovation and Application)
年 卷 期：2023年第13卷第33期
页 面：98-101,107页
学科分类：08[工学] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程]
基 金：江苏省高铁安全工程技术研究开发中心开放基金资助(GTAQ2021008) 南京铁道职业技术学院科研基金项目(Yz210005)
主 题：神经网络 马尔科夫模型 道岔故障 退化状态 高速铁路
摘 要：该文基于神经网络和马尔科夫模型进行道岔的故障诊断与预测研究,首先对道岔的动作过程进行分析,通过对采集的非故障功率数据进行比较分析,退化状态是故障诊断到故障预测的重要过程,通过分析退化状态的形成原因,进一步分析退化状态数据与现场出现的典型故障状态数据之间的关系,通过隐马尔科夫模型建立退化状态的典型模型,用于退化状态的识别以及故障状态的评估,实现道岔故障状态的诊断和道岔故障的预测,同时也设计道岔故障诊断和预测的系统平台,该研究对于现场道岔故障的诊断和预测有很好的参考价值。
维普期刊数据库
同方期刊数据库