基于SOM-BP混合神经网络的道岔设备退化状态研究

作     者：高利民 许庆阳 李锋 杨吉 孟景辉 杨树忠 GAO Limin;XU Qingyang;LI Feng;YANG Ji;MENG Jinghui;YANG Shuzhong

作者机构：中国国家铁路集团有限公司铁路基础设施检测中心北京100081 中国铁道科学研究院集团有限公司基础设施检测研究所北京100081 朔黄铁路发展有限责任公司河北肃宁062350 

出 版 物：《中国铁道科学》 (China Railway Science)

年 卷 期：2020年第41卷第3期

页      面：50-58页

核心收录：

学科分类：08[工学] 0802[工学-机械工程] 082302[工学-交通信息工程及控制] 0801[工学-力学（可授工学、理学学位）] 0823[工学-交通运输工程] 

基　　金：国家能源投资集团有限责任公司科技创新项目(SHGF-15-41) 

主　　题：道岔 退化状态 SOM-BP混合神经网络 平均影响值 功率数据 

摘      要：针对道岔设备故障频繁、维修成本高,且现有基于故障数据的诊断方法无法描述道岔退化过程,难以实现故障超前预判的问题,进行基于SOM-BP混合神经网络的道岔设备退化状态研究。依据采集的道岔非故障功率数据按区段提取峰值、方差、峭度等特征参数,基于平均影响值进行特征参数选择,并确定输入维数;使用自组织特征映射(SOM)神经网络对输入特征参数进行多次聚类学习,分析学习结果得到6种退化状态样本数据;构建15-13-6型BP神经网络结构模型,实现对道岔设备退化状态的识别。结果表明,采用SOM-BP混合神经网络进行道岔设备退化状态识别的准确率达到95.56%。