针对目前S700K转辙机故障诊断效率低、准确性不高等问题,提出了一种基于粗糙集、灰色关联分析与理想排序法相结合的转辙机故障诊断方法。首先以微机监测系统(Maintenance and Monitor System,MMS)存储的常见转辙机故障功率曲线数据作为...针对目前S700K转辙机故障诊断效率低、准确性不高等问题,提出了一种基于粗糙集、灰色关联分析与理想排序法相结合的转辙机故障诊断方法。首先以微机监测系统(Maintenance and Monitor System,MMS)存储的常见转辙机故障功率曲线数据作为数据源,提取功率曲线在各工作区段的特征参数,构建故障特征集。然后针对冗余特征,采用粗糙集理论中的约简算法以属性重要度为选择标准,对特征集进行约简,降低特征集的维度。最后将灰色关联分析和逼近理想排序法相结合,计算待检样本与各故障类型间的曲线贴合度,判断待检样本与各故障类型间的紧密程度,将最大曲线贴合度对应的故障类型作为待检样本的诊断结果。实例分析表明,该方法能够准确地诊断出转辙机故障且诊断效率和准确性较高,能够满足铁路现场实际需要。展开更多
文摘针对目前S700K转辙机故障诊断效率低、准确性不高等问题,提出了一种基于粗糙集、灰色关联分析与理想排序法相结合的转辙机故障诊断方法。首先以微机监测系统(Maintenance and Monitor System,MMS)存储的常见转辙机故障功率曲线数据作为数据源,提取功率曲线在各工作区段的特征参数,构建故障特征集。然后针对冗余特征,采用粗糙集理论中的约简算法以属性重要度为选择标准,对特征集进行约简,降低特征集的维度。最后将灰色关联分析和逼近理想排序法相结合,计算待检样本与各故障类型间的曲线贴合度,判断待检样本与各故障类型间的紧密程度,将最大曲线贴合度对应的故障类型作为待检样本的诊断结果。实例分析表明,该方法能够准确地诊断出转辙机故障且诊断效率和准确性较高,能够满足铁路现场实际需要。
