基于数据驱动模型的电气化铁路弓网故障识别研究

摘要

弓网故障直接影响着电气化铁路的安全运行，且造成弓网故障的因素较多，使得故障识别难度较大，为此提出一种基于数据驱动模型的电气化铁路弓网故障识别方法。开展弓网耦合动力学建模，明确受电弓弓头等效质量、框架等效质量与接触网间的刚度参数、阻尼参数关联关系，结合动力学平衡原理，推导得到包含承力索振动方程、接触线振动方程、受电弓弓头与框架振动方程的弓网系统垂向耦合振动微分方程，为故障特征提取提供物理模型支撑。明确故障影响因素对弓网受流状态的作用机制，建立故障类型与影响因素的映射关系。最后引入宽度学习算法，以弓网耦合振动模型输出的760组响应数据划分正常与故障数据集，经归一化处理、主成分分析特征提取、奇异值分解及伪逆求解网络参数，完成模型训练与故障识别。实验结果表明，所提方法收敛速度最快，故障识别精度高达98.33%,误差控制在0.05以下，运行时间仅为18.62 s,性能优于深度学习与变分模态分解算法，可实现弓网故障精准高效识别。

关键词

宽度学习算法 / 弓网故障识别 / 弓网垂向耦合振动模型 / 数据驱动 / 主成分分析 / 故障特征提取

基金资助

河北省科技计划资助项目(19212203D)