道岔曲线分析处理方法.pdf

本发明涉及道岔曲线分析处理方法，该方法包括：将道岔曲线轮询调用标准故障曲线库中的标准故障曲线进行逐个判断；若符合标准故障结果，则显示故障内容；若全部轮询后没有任何故障，则调用非标准故障经验库；若在非标准故障经验库中直接找到与当前曲线匹配的非标准故障曲线，则认为当前曲线为此种故障；若当前曲线无法匹配非标准故障经验库中的非标准故障曲线，同时也和标准曲线不匹配，则认为此种曲线为新的故障类型；将当前曲线存入非标准故障经验库。本发明的标准故障曲线库的准确率较高但适应范围较窄；非标准故障经验库准确率不是很高但是可以从更宽泛的范围内判断出曲线是否可能故障，两者结合则互补长短，效率更高。

1.  道岔曲线分析处理方法，其特征在于，该方法包括：
(1)将道岔曲线轮询调用标准故障曲线库中的标准故障曲线进行逐个判断；
(2)若符合标准故障结果，则显示故障内容；
(3)若全部轮询后没有任何故障，则进入步骤(4)；
(4)调用非标准故障经验库；
(5)若在非标准故障经验库中直接找到与当前曲线匹配的非标准故障曲线，则认为当前曲线为此种故障；
(6)若当前曲线无法匹配非标准故障经验库中的非标准故障曲线，同时也和标准曲线不匹配，则认为此种曲线为新的故障类型；
(7)将当前曲线存入非标准故障经验库。

道岔曲线分析处理方法
技术领域
本发明涉及各类道岔在转动过程中产生的道岔启动电流或道岔功率曲线的故障分析，尤其涉及道岔曲线分析处理方法。
背景技术
目前，并没有成熟的道岔曲线分析处理方法，现有的方法大都准确率较低，且对于以前没有出现过的故障曲线没有分析能力，造成了很大的不便，影响了铁路领域整体高度自动化的发展。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷，提供一种高效实用的道岔曲线分析处理方法。
本发明的目的可以通过以下技术方案来实现：道岔曲线分析处理方法，其特征在于，该方法包括：
(1)将道岔曲线轮询调用标准故障曲线库中的标准故障曲线进行逐个判断；
(2)若符合标准故障结果，则显示故障内容；
(3)若全部轮询后没有任何故障，则进入步骤(4)；
(4)调用非标准故障经验库；
(5)若在非标准故障经验库中直接找到与当前曲线匹配的非标准故障曲线，则认为当前曲线为此种故障；
(6)若当前曲线无法匹配非标准故障经验库中的非标准故障曲线，同时也和标准曲线不匹配，则认为此种曲线为新的故障类型；
(7)将当前曲线存入非标准故障经验库。
与现有技术相比，本发明的标准故障曲线库的准确率较高但适应范围较窄；非标准故障经验库准确率不是很高但是可以从更宽泛的范围内判断出曲线是否可能故障，两者结合则互补长短，效率更高。
具体实施方式
以下结合具体实施例对本发明做进一步说明。
道岔曲线分析处理方法，该方法包括：将道岔曲线轮询调用标准故障曲线库中的标准故障曲线进行逐个判断；若符合标准故障结果，则显示故障内容；若全部轮询后没有任何故障，则调用非标准故障经验库；若在非标准故障经验库中直接找到与当前曲线匹配的非标准故障曲线，则认为当前曲线为此种故障；若当前曲线无法匹配非标准故障经验库中的非标准故障曲线，同时也和标准曲线不匹配，则认为此种曲线为新的故障类型；将当前曲线存入非标准故障经验库。
每组道岔设备都会按照要求进行曲线分析的配置，在配置中确定是否进行分析，采用的算法以及关键点的一些参数设置。对于此模块，两个最重要的输入源是来自于站机的道岔曲线数据以及人工设置的对应标准曲线数据。根据所选择的算法类型对以上两条曲线进行自定义库的特征点分析或是匹配分析，从而得出当前道岔是否可能故障的结果反馈。其中自定义算法得出的结果是确定性的故障原因，而匹配算法得出的结果依赖于故障库的经验，对于不匹配又无故障库经验的曲线需要存入故障库以待进一步的分析确认，同时故障库中的故障曲线可以通过提取特征来扩充到自定义算法中。
对于每一条道岔曲线都会结合标准曲线轮询调用其中的各个子模块进行判断，如果有故障结果返回则显示故障内容，如果全部轮询后没有任何故障，则认为该条曲线为正常曲线。详细的故障逻辑可以参见需求书。
自定义算法可以较为准确地获知故障原因，但是对于不在自定义范围内的不明故障无能为力，此时可以采用匹配算法进行判断，匹配算法具有自己的故障经验库，如果在故障经验库中直接找到与当前曲线匹配的故障曲线，则可以认为当前曲线可能为此种故障，如果当前曲线无法匹配经验库中的故障曲线同时也和标准曲线不匹配，则可以认为此种曲线可能为新的故障类型，此时要求存入故障库以待进一步的分析确认，分析之后可以给此曲线命名故障原因或者提取特征作为自定义算法的一部分。