随着我国铁路的高速发展，列车的运行速度、运行里程以及运行密度也在不断增加，铁路交通运行过程中的安全问题日益凸显。铁路道岔转辙机作为转换列车行进方向的关键铁路信号设备，其安全状况直接影响铁路交通正常运转。目前，我国铁路运行监测系统通过对转辙机进行定期检修和设天窗点维修手段来保证转辙机安全可靠地运行，但这种传统的方式工作量大、工作效率低，开箱操作还有可能由于人工操作失误带来更大的安全隐患，所以依靠人工经验对转辙机进行故障识别，很容易因为经验问题引起故障漏判和错判。因此，应用数据分析处理技术实现道岔转辙机智能故障诊断对铁路长久运营发展意义重大。鉴于工程迫切需求与智能运维优势的双重驱动，笔者团队萌生了将多年研究成果撰写成书分享给更多读者的想法，本书正是在这样的背景下诞生的。
本书的研究对象是ZYL* 道岔转辙机设备和关键部件柱塞泵，使用的全部数据均来自于某铁路局电务器材公司提供的现场微机检测系统采集的实时工作状态下的实验数据。在此基础上，探究人工智能理论的新思路、新方法，开展对铁路道岔转辙机故障诊断技术的研究。本书具有以下特点：
① 针对铁路道岔转辙机故障诊断这一热点问题，汲取国内外该领域的最新研究成果，总结笔者近年来利用信号处理和深度学习方法在电液式转辙机故障诊断应用方面的研究成果，内容具有先进性和新颖性。
② 章节内容衔接连贯，简单易懂。本书共9章。第1章为绪论，概述了铁路道岔转辙机故障诊断研究背景及意义、研究进展，总结了铁路道岔转辙机故障诊断存在的问题与发展方向。第2章对电液式道岔转辙机及关键部件柱塞泵的基本结构、工作原理进行分析，并阐述其工作过程。第3章为电液式转辙机故障诊断实验及油压信号特征分析提取，介绍了电液式转辙机故障实验平台及三种故障工况下油压信号采集原理，通过油压数据曲线分析道岔转辙机转换过程，并对油压信号特征提取方法及故障状态监测进行相关研究。第4章是电液式转辙机关键部件柱塞泵故障诊断实验及振动信号特征提取分析，介绍柱塞泵故障诊断实验平台，对柱塞泵振动信号时频分析和特征提取方法进行研究。第5章是电液式道岔转辙机及柱塞泵智能故障诊断，基于机器学习和深度学习两方面，构建常用智能诊断模型，实现转辙机和柱塞泵的故障诊断。第6章是基于信息融合的柱塞泵故障诊断，将多传感器信息融合技术应用于故障诊断领域中。第7章是基于连续学习的柱塞泵类增量故障诊断，将连续学习与元学习相结合，构建可以不断适应数据在时间方向分布变化的在线故障诊断模型，并将它应用于柱塞泵故障诊断。第8章是柱塞泵剩余使用寿命预测，综合应用多尺度并行设计和轻量化的图神经网络，将多传感器采样条件下的新模型用于柱塞泵的寿命预测。第9章引入目前发展迅速的知识图谱技术，构建基于知识图谱的电液式转辙机故障诊断管理系统。
③ 面向应用，实用性强。本书结合转辙机常见故障类型和实测数据分析，提出故障特征提取和诊断的解决方案，方法思路独特，形成的故障诊断管理系统满足企业需求。
近年来，笔者有幸获得山西省重点研发计划(项目编号201903D421008)、山西省自然科学基金(项目编号201901D111157，202203021211096)和山西省回国留学人员科研项目(项目编号2022-141)的资助。结合这些项目，针对铁路道岔电液式转辙机故障诊断中存在的一些关键问题，笔者对特征提取、多特征融合、迁移学习、连续学习、深度学习等技术进行了探索研究，并取得了一些研究成果。
本书由中北大学黄晋英统稿并撰写第1章，中北大学罗佳撰写第2、4章，中北大学刘思远撰写第7、8、9章;山西电子科技学院杨喜旺撰写第5章;太原师范学院李红梅撰写第3、6章。本书是研究团队集体智慧的结晶。团队研究生马健程、常佳豪、张建飞、蔡波、赫婷、高佳鑫、王智超、何宗博、胡孟楠、徐晓燕等对本书的编写做出了重要贡献。本书的汇稿和校稿得到了全体团队成员的鼎力支持和大力帮助，在此深表感谢!
由于本书涉及的内容广泛且多学科交叉，其中很多关键技术、方法和应用仍处于发展和完善阶段，同时由于笔者水平有限，书中难免有不妥之处，敬请各位专家与读者批评指正。
著者
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
