简介：随着高速铁路运营时间持续增加,因接触网设备状态异常导致的弓网故障时有发生,为提前发现设备运行安全隐患,提出基于数据特征识别的典型设备状态不良预警方法.首先,提出接触网设备状态不良预警模型,该模型以"数据准备-特征提取-算法构建-试验验证"为主轴,给出了各典型设备状态不良预警方法构建的主要技术项点和路线;然后,采用卡尔曼滤波、角点特征识别、动态时间规整等方法,给出了接触网检测数据粗差修正算法、定位点识别算法和里程校正算法,为开展预警方法构建提供了良好的数据基础;最后,基于弓网综合检测系统的实测数据,针对接触网运行维护中常见的几何状态、定位器受力状态和弹性状态不良问题,通过多种时序数据分析方法提取了数据特征,构建了训练样本库,并采用离群点诊断、随机森林等算法训练获得了3项典型设备状态不良预警方法.对获得的各项典型设备状态不良预警方法开展试用,发现了接触网支柱倾斜、腕臂套管滑移、定位部件磨损、补偿装置卡滞等多类严重设备状态异常处所,总体准确率93%,表明本文方法能够精准定位典型设备状态异常处所,具备在接触网运维中应用的可行性.通过分析算法发现的设备状态不良处所,验证了本文提取的各项数据特征可分性良好,能够准确反映接触网设备状态变化.展开
