论文部分内容阅读
铁路运输的安全需要多方面的协调和配合,设备质量是其中一个重要方面。铁路信号设备作为铁路主要的技术设备,它在保障行车安全、提高铁路运输效率等方面起到了十分关键的作用。因此,要保障铁路运输的安全,其中一个关键点就是保证铁路信号设备的正常运行。目前铁路电务部门一般采用信号集中监测系统对铁路信号设备进行整体监测。但由于铁路信号设备众多,结构和逻辑较为复杂,故障的分析和维修工作大部分还是要靠人工进行。因此为了提高对铁路信号设备故障的诊断效率,很有必要研发出一套故障诊断系统来解决这个问题。基于上述目的,论文选取铁路信号设备中普遍使用的ZPW-2000A无绝缘轨道电路作为研究对象,首先对ZPW-2000A无绝缘轨道电路的结构和原理进行分析,同时分析了铁路信号集中监测系统对ZPW-2000A无绝缘轨道电路进行实时监测的原理、采集监测数据的类型和报警信息,结合故障诊断的一般流程,归纳得到ZPW-2000A无绝缘轨道电路故障诊断流程。其次,对机器学习的主要方法进行分析比较,结合ZPW-2000A无绝缘轨道电路自身特点,选取决策树C4.5算法作为知识获取的方法,并对C4.5算法的连续属性离散化过程作了优化,提高运算效率。同时根据专家系统的结构,将专家系统和决策树算法相结合构成基于决策树算法的故障诊断系统。然后分析总结出ZPW-2000A无绝缘轨道电路故障特征参数,设计出故障诊断系统的整体结构,并分别对推理机、知识库、知识获取等模块进行详细分析和设计。最后,通过把决策树C4.5算法、专家系统和ZPW-2000A无绝缘轨道电路三者相结合,将Python作为系统开发平台,开发出基于决策树算法的ZPW-2000A无绝缘轨道电路故障诊断系统,根据故障诊断系统结构对各模块的功能和流程进行分析。当向故障诊断系统输入相关数据后,系统会进行诊断工作并给出相应的故障处理建议,以此帮助信号维护人员更快的解决ZPW-2000A无绝缘轨道电路故障,提高故障诊断效率。