《基于定性趋势分析的道岔故障诊断方法研究-韩煜霖.pdf》由会员分享，可在线阅读，更多相关《基于定性趋势分析的道岔故障诊断方法研究-韩煜霖.pdf（7页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第6l卷第12期2017年12月铁道标准设计RAILWAY STANDARD DESIGNV0161 NO12Dee2017文章编号：10042954(2017)12012006基于定性趋势分析的道岔故障诊断方法研究韩煜霖1，杨 静2，邢宗义1(1南京理工大学自动化学院，南京210094；2南京理工大学机械工程学院，南京210094)摘要：道岔连接不同轨道并通常安装在两股或者多股轨道之间，不仅负责铁路线路的转换还保障线路的运营安全。随着我国轨道交通的快速发展，铁路线路和行车密度不断增长，道岔设备故障频率也日趋频繁，因此研究道岔故障诊断方法、提高诊断自动化水平具有重要现实意义。从定性的角度提出基
2、于定性趋势分析的道岔故障诊断方法，该方法先采用区间半分法对道岔不同状态下的典型运转信号进行趋势提取，建立故障诊断知识库，之后对待诊断信号进行趋势提取，并计算其趋势序列与所有故障趋势规则的匹配度，综合比较匹配度值从而实现道岔故障诊断。实验结果表明，该方法具有良好的准确度。关键词：道岔；故障诊断；定性趋势分析；区间半分法中图分类号：U2136+8 文献标识码：A DOl：1013238jissn10042954201712025Research on Turnout Fault Diagnosis Method Basedon Qualitative Trend AnalysisHAN Yu1in
3、l，YANG Jin92，XING Zongyil(1School of Automation，Nanjing University of Science and Technology，Nanjing 210094，China；2School ofMechanical Engineering，Nanjing University of Science and Technology，Nanjing，210094，China)Abstract：The turnout is connected to different tracks and usually installed between two
4、 or more tracksIt is not only responsible for switching track line but also ensures operation safetyWith rapiddevelopment of rail transit and continuous growing of railway lines and traffic density，the failure ofturnout equipment is getting more frequentTherefore，it is of great practical significanc
5、e to study thefault diagnosis methods to improve the automatic diagnosis levelThe turnout fault diagnosis methodbased on qualitative trend analysis is proposedIn this method，the trend of the reference operation signalin different state of the switch is extracted by using the interval-halving method，
6、and the knowledge baseof fault diagnosis is establishedThen，the trend of signal to be diagnosed is extracted and the matchingvalues of trend sequence and all fault trend rules are calculatedThe matching values are finallycompared comprehensively to fulfill switch fault diagnosisThe test results show
7、 that this method is ofhigh accuracyKey words：Turnout；Fault diagnosis；Qualitative trend analysis；Interval-having method道岔作为铁路线路的咽喉，其状态的优良直接影响列车的运行安全和铁路线路的运营通畅。但随着我国铁路线路的日益增长、行车速度的不断提高和行车密度的急剧增加，道岔设备的故障率也日趋增长。因此，研究道岔故障的诊断方法，及时识别道岔工作过收稿日期：20170317；修回日期：20170328基金项目：国家重点研发计划项目(2016YFBl200402作者简介：韩煜霖(19
8、92一)，男，黑龙江鸡西人，硕士研究生，从事城市轨道系统安全保障技术的科研工作，E-mail：854831586qqcom。程中的各种故障，对保障列车的运行安全有重要意义。波兰雅盖隆技术大学的Marcin Witczak旧1提出了一种基于GMDH神经网络的道岔转辙机故障诊断方法；苏旷宇。等人采用信息融合技术，提出了一种新型的基于集成神经网络的多方面道岔设备会诊方法：Yahia KourdH o结合神经网络算法和决策树实现转辙机故障的在线诊断；何攸曼o在论文中以支持向量机为核心，在研究特征提取算法和分类参数优化算法的基础上构建故障诊断框架。万方数据第12期 韩煜霖，杨 静，邢宗义一基于定性趋势分
9、析的道岔故障诊断方法研究 12l基于定性趋势分析的道岔故障诊断方法，首先分析了道岔故障模式；随后介绍了定性趋势分析和故障诊断流程，分别从趋势语言、趋势提取技术和趋势匹配技术这3个方面进行重点分析，并给出了基本框架；最后进行方法验证和结果分析。1 道岔故障模式分析道岔的工作过程一般可分为3个部分：解锁一转换一锁闭。解锁过程：表示电路断开，电机启动带动主轴旋转完成机械解锁。转换：主轴带动齿条块动作，使得转辙机动作到规定位置。锁闭：启动电路断开，道岔完成机械锁闭，防止动作杆在外力作用下倒退，表示电a)道岔无故障)螽：删LlU路接通。道岔工作的基本流程如图1所示。 廷巫互卜伍亟)_也p匦圃卜垂圃图1
10、道岔转换流程针对广州地铁线路上安装的ZD6型道岔进行了调研，根据现场的检修数据和最新版的铁路信号维修规则和广州地铁线路维修规程总结出了4种在该线路上出现频率最高的故障模式，分别为解锁困难故障、转换台阶阻力故障、转换锯齿阻力故障和锁闭困难故障。如图2所示的动作电流曲线来自于安装在广州地铁1号线西塑车辆段实验线上的道岔微机监测装置。1。一L2 3 4f间sJ道岔转换锯齿阻力故障 le)道岔锁闭困难故障图2道岔正常运转及故障电流曲线通过对比分析无故障状态和4种故障模式的电流曲线，结果如表1所示。表1 故障模式类型2定性趋势分析定性趋势分析(QTA)的实现思想是把定量的过程趋势数据转化成定性的趋势片断
11、，并通过符号语言描述每种趋势片断J。采用定性趋势分析技术的故障诊断方法通常包括以下3个部分1：(1)描述趋势的语言；(2)趋势提取；(3)趋势匹配。在趋势提取阶段，从传感器数据中提取趋势，并通过趋势识别算法来识别数据的趋势。在趋势匹配阶段，根据故障诊断知识库中已经制订的故障趋势规则，进行各种故障的匹配。具体流程如图3所示。、t7 、r_、，_、 T随1匝-忸、j趋势语言H趋势提取1-1-基元 区间半分 模糊逻辑， 、，图3定性趋势分析流程选择基元语言作为趋势描述语言，区间半分法和5432O、堪面闭、L锁h一程一一过一_换一一转一程一趟； _万方数据122 铁道标准设计 第61卷基于模糊逻辑的趋
12、势匹配技术作为相应的趋势提取和趋势匹配方法。21 基元趋势描述语言在基元趋势描述语言中，基元是这套趋势描述语言中的最小组成单元，任何过程信号都可以被分解为基元序列。如图4所示，总共有7种基元。E彰匕Pl r+) Ifl r一，一J Ig】(+0图4基元图基元的一阶和二阶微分符号可以通过对信号进行前差分获得，具体如下dv 1=(YiYH)(1)ux ,Aid2v 1等2索(，i一2，H+yf一：) (2)每个基元包括信号的符号、信号一阶微分的符号和二阶微分的符号，因此基元能够反映信号在基元所在时间段内正负、升降和凹凸情况，这也保证了基元序列能够将过程信号中几乎所有的重要趋势信息保留下来。22基于
13、区间半分法的趋势提取趋势提取分为两个过程，分别为小波去噪和用区间半分法进行处理。(1)小波去噪在对信号进行趋势分析之前，先要对信号进行小波阈值去噪。在区间半分法中，小波去噪有两个作用一1：信号去噪和确定算法在后续区间提取时的噪声参数估计。任何过程信号均可以用式(3)表示。Y=八t)+e(t) (3)式中，Y(t)为含噪信号；，(t)为未知的原始信号；e(t)为独立且服从高斯正态分布的噪声估计。对，(t)进行小波分解可得。i：ly()一tPj,k(t)+嘭。t(t) (4)式中，为尺度序数；南为J层的系数；s为平滑系数；d，d川为细节系数；函数9(t)和帆。(t)为通过将小波基函数伸缩和平移得到
14、近似小波函数。小波去噪的过程可以分为3个步骤：对信号进行离散小波变换(DWT)；将各层小波系数进行收缩；对处理完成的小波系数进行离散小波逆变换(IDWT)。(2)区间半分法区间半分法刮的基本思想是消去未包含目标项或者未能满足某种标准的半个区间。一个时间序列函数Y()可以用一组指数不超过n的在单峰区域Ui上的分段单峰多项式Pi(t)近似地表达出来，即：Y(t)=P。(t)，P2(t)，P3(t)，P村(t)。区间半分法的算法部分包含两个方面：(1)用区间半分法确定多项式Pi或者单峰区域的序列；(2)基于多项式Pi的一阶微分和二阶微分的符号，对单峰区域进行基元赋值。对Y进行最小二乘曲线拟合，可以得
15、到系数矩阵声=声。，西l，一，声、多项式矩阵P=P。，P，P。和拟合结果多，具体如下=n2多=邛，Pi(t)=声。f (5)式中，声=(rT)一Try，(r)陆=ty。为了避免错误地定义r，对每一个单峰区间进行归一化处理。拟合误差的显著程度用s矗表示，并且用来与噪声估计盯。相比较。假设过程信号Y(t)由一组离散的采样数据点(Y。，Y：，Y3，一，Y)构成，设置开始时间T。=1，结束时间L=N，初始区间的长度Z=N，多项式初始次数n=0，区间的长度阈值为zn=10。具体流程如图5所示，Y的下标指代识别区间中信号的下标。石朱Y(Ftest)广f粪匿|医匦|，考雒赣间。I匝却匿新-CPF一 Lk经过
16、区间半分之后，原过程信号Y(t)被转换为多个二次多项式拟合单峰区间序列P。(t)，P：(t)，P，(f)，PM(f)，根据单峰区间的系数矩阵西，计算每个区间多项式函数的一阶微分与二阶微分的符号，结万方数据第12期 韩煜霖，杨 静，邢宗义一基于定性趋势分析的道岔故障诊断方法研究 123合图4和一阶微分与二阶微分的符号，将单峰区间序列转化为趋势序列：Tr=P。，P：，P；，P朋。23基于模糊逻辑的趋势匹配技术匹配分为两个过程，分别为基元匹配和趋势匹配。(1)基元匹配为了保证趋势匹配的准确性，需要在趋势匹配之前对基元进行模糊匹配。从图5可以看出，不同基元之间具有相似性，把基元模糊化，可以有效减少由噪
17、声或者其他潜在因素引起的错误匹配。不同基元之间的相似程度不一样，Dash引提出了一种用基元相似度矩阵来反应基元间的近似程度的方法，计算结果如表2所示，其中的IsM，表示基元P。和P：之间的相似度，|s附，的取值范围为0，1。从图4中可以看出，部分基元如B和G有着完全相反的趋势，因此这些基元之间的相似度为0。表2基元相似度矩阵D0050751O00FO25000O 051 075O75 l(2)趋势匹配趋势提取之后，传感器信号会被转化成为一组能够描述趋势的趋势序列，趋势匹配就是将实时信号中的趋势序列与知识库中的故障趋势规则进行比较，并计算出实时信号趋势序列与故障趋势规则的相似度。放人同一个时间轴
18、的实时信号趋势序列与知识库中的故障趋势规则可以从三个方面进行区分和匹配：(1)基元Pi的顺序；(2)基元Pi的持续时间；(3)基元Pi变化的大小。实时信号趋势序列与知识库的故障趋势规则之间的匹配度可定义如下i=R As，=swi半 (6)一r 。11l 21 u式中，s尸，。为基元P；和P?之间的相似度；T。为新划分区间的区间总时间长度；At。；为新划分区间的第i个区间的时间长度。24整体实现结合之前的内容，可得基于定性趋势分析的道岔故障诊断具体实施步骤如下。(1)对道岔5种状态下的典型电流运转信号进行小波去噪和区间半分趋势提取，并总结故障趋势规则和建立故障诊断知识库。(2)对待诊断运转电流信
19、号进行小波去噪和区间半分趋势提取，得到一组趋势序列。(3)将得到的趋势序列与知识库中的每种故障趋势规则进行匹配，得到相应的匹配度“。(4)如果各个故障趋势规则的匹配度均小于05，则人工分段分析运转电流曲线，并根据每段曲线反映出的故障趋势确定可能的故障原因。(5)如果各个故障趋势规则的匹配度未出现均小于05的情况，则将每个故障趋势规则的匹配度进行排序，匹配度最大的故障模式即为被诊断道岔正在发生的故障。(6)输出最后的故障诊断结果。具体实施步骤框图如图6所示。开始实测转辙机运转信号_一厂丽套订j；一 区间半分趋势提取1一 厂鬲习一。T一参IN计算m“(SD 启用人工诊断I输出诊断结果l 图6基于定
20、性趋势分析的道岔故障诊断流程3实例分析分别从每种状态下的30组电流运转信号中依次随机选取10组，共50组用于建立5种状态的故障诊断规则，剩余的100组电流运转信号用于趋势匹配以及最终的故障诊断。31 建立故障知识规则库下面以无故障趋势规则为例，说明规则的建立过程。首先对信号曲线进行滤波处理，随后对滤波后的曲线进行基于区间半分的趋势提取。如图7(a)所示，经过滤波后的曲线相较于滤波前的曲线更加平滑，并且原始曲线中一些细微趋势也得以较好地保留。如图7(b)所示，区间半分法将该组曲线划分为10个趋势区间，该曲线的趋势序列为B0168、c0291、D0381、G0616、E1344、cI792、A28
21、46、c3148、G3372、E3686，基元后面方括号里的数字为该区间末端的时间值。以此类推，将10组无故障运转曲线的趋势序列进行汇总，得到趋势序列的近似公共部篓鬈一Eoooo。onO赫万方数据124 铁道标准设计 第6l卷分是BDGEAGE。4种故障的趋势规则的制定方式与无故障趋势规则的制定方式类似，首先对选取的4种故障状态下的含噪曲线一滤波曲线、了。，-：L5。： 卜L!jijiiiAO 10 20 30 40时间，s30厂25卜l20卜建15陋删1。叫05 H匕O10组信号进行滤波。然后对每种故障状态下的10组电流信号按照以上过程依次基于区间半分的趋势提取，见图7(c)一图7(f)。0
22、 20 30 4时间sfb)道岔正常运转5矾4 fG脚；一道岔转换台阶阻力故障 (e)道翁转换锯曲雎i力故障 (f)道岔锁门1难故障图7道岔正常运转及故障电流曲线趋势提取示意根据4种故障下的40组趋势序列，分别归纳和总结出4种故障趋势规则，结果如表3所示。表3故障趋势规则汇总从表3可以看出，解锁困难故障和无故障的趋势规则基本一致，每个趋势区间的间隔略有不同。解锁困难故障运行曲线的主要特征是曲线的解锁部分相较于其他状态运行曲线的解锁部分幅值明显增加，所以为了将其与无故障状态区分开，将趋势序列与故障趋势规则的匹配度计算公式修改为s，=毒飘，瓮斜 s，=手s叩，节芋早 (7)1 u f1 o”uil
23、式中，d。为被诊断运转曲线的第i个趋势区间的首尾点的幅值差；Ad。i为故障趋势规则中第i个趋势区间的首尾点的幅值差；其他部分与式(6)中各部分内容一致。32故障趋势匹配从剩余的100组运转电流曲线中随机抽取一组，以此组为例。首先对该组运转电流曲线进行滤波；其次对滤波后的曲线进行区间半分趋势提取，提取出的趋势序列为B0355、D0494、G0816、E1372、A2593、c3005、D3383、G3656、E3905；最后将得到的趋势序列与正常和4个故障的趋势规则进行趋势匹配，计算出该趋势序列相对于5个状态趋势规则的匹配度。如图8所示，首先把无故障趋势规则对应的曲线和该趋势序列对应的曲线放在同
24、一个时间轴中，取较短动作曲线的动作时间为区间分割上限，图8中的区间分割上限丁。为383 s，然后综合两曲线原先的区间点重新划分趋势区间。图中的红点为新划分区间的分割点，于是随机抽取的运转电流曲线被重新划分为12个区间，即R=12。趋势区间重分割结束后，通过计算，可得到趋势基元相似度序列为1、05、0、1、05、1、0、1、025、0、05、1，随机抽取曲线重分割区间的幅值差序列为007、124、147、067、089、010、006、001、007、022、062、06，无故障趋势规则重分割区间的幅值差序列为135、114、059、034、037、002、002、003、002、07、052、
25、001。最后将以上各个参数序列代入到公式(7)中，计算随机抽取的电流运转曲线与无0比王对线。曲加啪骺波滤旧曲筏一7乒火iL。一州防麓所OKEG糙隧一一W姊、避唧万方数据第12期 韩煜霖，杨 静，邢宗义一基于定性趋势分析的道岔故障诊断方法研究 125斟扎 无故障趋势规则铡tL弋 斟 ，。比一一 迪L一冉一一捌塑!一一7墨E0 10 1 0 3 0 4叫l甸A图8 趋势匹配度计算示意故障趋势规则的匹配度为0622。随后将该趋势序列与其他4个故障的趋势以此匹配，最后计算出的该曲线与5种状态的趋势规则的匹配度，分别为0622、0584 4、0535 2、0642 5、0795 0，由最高可得出该运转电
26、流曲线中蕴含的故障为锁闭困难故障。33结果分析为了更好地判断诊断结果，引入第一诊断故障和第二诊断故障。第一诊断故障是指故障趋势规则匹配度的最大值对应的故障模式，第二诊断故障则是指故障趋势规则匹配度的第二大值对应的故障模式。首先从五种状态下的电流运转信号中各随机抽取2组，共10组信号进行趋势提取和故障趋势匹配，得到如表4所示的故障趋势规则匹配度表。从表4可以得出，本方法能够准确地判断道岔是否处于无故障状态；对解锁困难故障和锁闭困难故障的第一诊断故障的效果比较好，且对应的故障趋势规则的匹配度较高，容易和其他故障趋势规则区分开；对于转换台阶阻力表4故障模式类型总结故障和转换锯齿阻力故障，第一诊断故障
27、被相互误诊，各自的诊断正确率均为50，其对应的匹配度差值较小且排名连续，通过引入第二诊断故障来辅助完成故障诊断。对剩余的90组运转电流信号进行趋势提取和故障趋势匹配，综合比较每组信号对应不同故障趋势规则的匹配度，确定第一诊断故障和第二诊断故障，诊断结果汇总如表5所示。表5第一、第二诊断结果从表5可知：该方法对于转换锯齿阻力故障的诊断正确率较低，而对于其他故障的诊断正确率均达到88以上；第二诊断故障对于提高转换台阶阻力故障和转换锯齿阻力故障的诊断正确率作用明显，两者的第一、第二诊断综合正确率可达到83以上，而第二诊断故障对于其他故障诊断正确率的提升没有帮助。综上，基于定性趋势分析的道岔诊断法的整
28、体诊断正确率达到90以上，单个故障的诊断正确率达到83以上，具有较高的准确度。4 结论为了避免信号曲线中随机波动和无关趋势对道岔故障诊断方法的影响，本文介绍了一种基于定性趋势分析的道岔故障诊断方法，并对该方法进行了验证。首先简单介绍了故障类型、定性趋势分析和基于定性趋势分析的故障诊断流程；其次重点阐述趋势语言、趋势提取技术和趋势匹配技术这3个方面的内容，并给出了基于定性趋势分析的道岔故障诊断的基本框架；最后详细说明了用电流运转信号对该方法进行验证的过程。实验结果表明，基于定性趋势分析的道岔诊断法的整体诊断正确率达到90以上，单个故障的诊断正确率达到83以上，具有一定的准确性。由于地铁运行正线上
29、相对恶劣的环境因素和其他复杂因素的干扰，故障诊断的正确率会有所下降，因此进一步克服环境因素的干扰和提高故障诊断的正确率是后续的研究中需要不断完善的内容。参考文献：1张秀臣北京南机公司高速重载铁路道岔项目评价研究D哈尔滨：哈尔滨工业大学，2010(下转第130页)万方数据130 铁道标准设计 第6l卷4 结论(1)单排桩在地铁紧邻既有建筑的减隔振研究方面具有显著的减振效果，正交试验的结果显示，预期减振幅度可达1359。(2)既有建筑在地铁振动激励作用下各楼层振动加速度级从地面到顶楼呈现出一种波浪形的振动形态，并不是纯粹的单调变化的趋势。(3)建筑物某一测点的振动加速度级随地铁振动激励作用下激振频
30、率的增加而表现出总体上减小的趋势，个别频率下振动加速度级会表现出跳跃式的激增或骤降。(4)对于振源深度、排桩相对位置、桩间距和桩长4个可能对排桩减振效果产生影响的因素，就其影响的重要程度而言，应优先考虑排桩相对位置，其次是振源深度，也就是地铁埋深，对减振效果影响相对较小的因素是排桩自身的几何性质，即桩间距和桩长。参考文献：1 祝志文，陈魏，江洪波地下室地铁运行激励下的振动特性研究J振动与冲击，2015(12)：115120，1392 袁扬，刘维宁，王文斌地铁交通引起环境振动传递特性试验研究J铁道学报，2014(4)：991043 刘维宁国内外地铁交通对精密仪器振动影响现状研究R北京：北京交通大
31、学，20104 刘晶磊，马玉涛，张立群，宋绪国，赵敏高速铁路单排封闭式PVC空井减隔振效果的数值分析J铁道建筑，2016(11)：1371405 梁发云，陈海兵，孙海，闵东浅埋地铁下穿越引起既有建筑物振动治理分析J岩土工程学报，2010(s2)：2712746 王文斌，吴宗臻城市轨道交通路径隔振研究现状及思考C2016年全国智慧城市与轨道交通学术会议论文集2016：4244307 Crispino M，Ddpuzzo MMeasurement and prediction ofirafficinducedvibration in a heritage buildingJJournalof So
32、und and Vibration，2001，246：3193358Hunaidi 0，Tremblay MTrafficinduced building vibration inMontrralJCanadian Journal of Civil Engineering，1997，24：7367539 时刚，高广运饱和地基中单排桩远场被动隔振研究J振动工程学报，2010，23(5)：54655310孙成龙，高亮铁路排桩隔振效果实测分析J铁道建筑，2016(3)：16316711冯牧，雷晓燕列车引发建筑物振动现场测试及数值分析J铁道建筑，2011(7)：16016412陈洪运轨道交通路基段减隔
33、振屏障的模型试验研究J铁道标准设计，2016(6)：17718113国家环境保护局GBl0070-1988城市区域环境振动标准S北京：中国标准出版社，198914国家环境保护局GBT 1007188城市区域环境振动测量方法S北京：中国标准出版社，198915郑国琛，祁皑地铁运行引起的建筑物振动响应预测J噪声与振动控制，2015(I)：17618116HECKL M，HAUCK G B，WETTSCHURECK R CStructurebornesound and vibration from rail trafficJJournal of Sound andVibration，1996，193
34、(1)：17518417张鲲鹏，陈哲武结构试验相似理论研究及实例分析J低温建筑技术，2015，37(7)：42451-n一-”q一一一rH-”H-II-u*1。-_一_-一qrf“-I。-_日一_一_-_-I。一H_H-_-_omu。-h一-I。-d u一I-_9-。一mm。-_-_-(上接第125页)2Witczak M，Korbicz J，Mrngalski M，et a1A GMDH neuralnetworkbased approach to robust fault diagnosis：Application to theDAMADICS benchmark problemJCont
35、rol Engineering Practice，2006，14(6)：6716833 苏旷宇，陈洪云，欧阳宏志提速道岔故障的人工智能诊断实现J微计算机信息，2007，23(22)：1881894 Kourd Y，Lefebvre D，Guemi NFault diagnosis based on neuralnetworks and decision trees：Application to DAMADICSJInternational Journal of Innovative Computing InformationControlIjicic，2013，9(8)：318531965 何
36、攸曼高速铁路道岔故障诊断方法研究D北京：北京交通大学，20146 姚利哲ZD6道岔电流曲线监测原理与分析J企业技术开发，2014(5)：79797 张海洋定性趋势分析在故障诊断中的应用研究D北京：北京化工大学，20078 卿宇搏，莫学芳，吴上海故障诊断技术综述及发展趋势J中国储运，2012(1I)：1241279林波低信噪比下语音识别技术的研究D成都：电子科技大学，200610Dash S，Maurya M R，Venkatasubramanian V，et a1A novel intervalhalving framework for automated identification of
37、process trendsJAiche Journal，2004，50(1)：14916211宋政辉，宁波，张新春基于定性趋势分析的非线性系统故障诊断研究J计算机工程与应用，2015，5I(8)：25025412Dash S，Rengaswamy R，Venkatasubramanian VFuzzylogic basedtrend classification for fault diagnosis of chemical processesJComputersChemical Engineering，2003，27(3)：34736213薛艳青道岔设备故障诊断专家系统实现方法研究D北京：北京交通大学，201214张宇宁基于机器视觉的铁路道岔检测研究D郑州：郑州大学，201415孙曼铁路信号设备故障诊断专家系统相关技术研究D青岛：青岛大学，200916铁道部安全监察司铁路行业事故案例选编M北京：中国铁道出版社。199917李雅美，魏文军基于模糊神经网络的道岔故障诊断系统研究J铁路计算机应用，2012，21(1)：353918田健基于模糊神经网络的高速铁路道岔故障诊断方法研究D北京：北京交通大学，201519杨阳神经网络和专家系统在道岔故障诊断中的应用研究D兰州：兰州交通大学，201320李志春道岔动作电流曲线的分析J铁道通信信号，2005，41(11)：2021万方数据