开发铁路道岔检测的数据采集系统案例
- 格式:pdf
- 大小:752.42 KB
- 文档页数:2
道岔典型案例案例一:室内道岔组合整流堆双电阻单断调阅某站道岔动作电流曲线,发现9#X1道岔的启动电流曲线异常,锁闭小台阶电流明显降低,最低时为0.19A(如图一)。
原因分析:一、道岔采集方面问题,采集板件、采集线或厂家监测软件。
二、道岔电气特性发生变化、器材不良等原因。
通知现场天窗点内检查设备,实测发现该组道岔直流表示电压降至16V左右。
经检查为室内道岔组合整流堆双电阻单断,更换处理后调动道岔观察曲线,小台阶电流恢复正常0.5A(如图二),实际测试直流表示电压升至22V左右。
小台阶电流变小0.19A(异常)小台阶电流变小0.21A(异常)如图一小台阶电流0.52A(恢复正常)如图二案例二:道岔密检器故障或室外表示电路开路故障曲线如图一所示。
这是道岔无表示故障的曲线案例,判断故障时就看小台阶,小台阶无电流(表明是室外表示电路开路),先查密检器是否卡缺口,再查表示电路,判断该道岔故障是反位扳定位时表示电路开路造成无表示。
图一故障时道岔动作电流曲线电阻-二极管开路时的电流曲线(b)正常时道岔动作电流曲线案例三:道岔断相保护器不良某站14#X2道岔定位到反位转动到位后,小台阶的电流不能被切断,到13s后由时间继电器切断1DQJ的励磁电路,如下图所示。
根据微机监测采集电流曲线的原理,此曲线说明道岔转换到位后,电机已经停止转动,BHJ依旧保持在吸起状态,不能切断1DQJ的自闭电路和1DQJF的励磁电路,从而不能构通反位表示电路。
经判断为该道岔的DBQ故障,在没有三相电流作用的情况下,DBQ没有及时切断供BHJ工作的电源,导致此现象的发生。
更换DBQ后,道岔恢复正常。
通常S700K型提速道岔,由于BHJ和1DQJ均具备缓放功能,从接点排接点接通到1DQJ落下大约有1.2s的时间,如下图所示。
通知现场处理后得到反馈信息为断相保护器不良,更换后调动道岔曲线正常。
案例四:某站39/43#道岔动作电流曲线异常,系第二动道岔41#定位到反位及反位到定位动作电流为2.0A,较前期电流值有升高迹象..如下图.定位-反位动作电流图:反位-定位动作电流图:反位-定位分析可能的原因,41#道岔性能有问题.动作电流大,可能是转换阻力大或转辙机内部机械部件有摩卡现象。
道岔qc课题优秀案例
道岔是铁路轨道的重要设备,其质量和安全性对列车的运行安全具有至关重要的作用。
针对道岔的QC(质量控制)课题,以下是一些优秀的案例:
1. 道岔的强度与耐久性研究:通过对道岔的力学性能进行深入研究,提高其强度和耐久性,以应对各种复杂和恶劣的运行条件。
2. 新型材料的研发与应用:探索和开发新型的高性能材料,用于制造道岔,以提升其抗疲劳、抗磨损和耐腐蚀等性能。
3. 道岔的智能化监测与维护:利用物联网、大数据和人工智能等技术,实现道岔状态的实时监测和预警,提高维护效率,减少故障发生率。
4. 环保型道岔的设计与制造:在设计和制造过程中,充分考虑环保因素,使用环保材料和工艺,降低道岔对环境的影响。
5. 道岔安装工艺的改进:通过改进安装工艺,提高道岔的安装精度和稳定性,减少因安装不当导致的故障。
6. 道岔转换系统的优化:优化道岔的转换系统,提高转换速度和准确性,减少转换过程中的卡阻和延迟。
7. 道岔平顺性的提升:通过优化设计和制造工艺,提高道岔的平顺性,降低列车通过时的冲击和振动。
8. 道岔的维修与保养标准制定:制定详细的维修和保养标准,规范操作流程,确保道岔始终处于良好的工作状态。
9. 道岔安全性评估与改进:对既有道岔进行安全性评估,针对存在的问题进行改进,提高其安全性能。
10. 道岔的标准化与模块化设计:推行标准化和模块化设计,简化制造和维修流程,降低成本。
以上案例仅供参考,在实际操作中,可以根据具体需求和条件进行调整和优化。
道岔检测方案摘要道岔作为铁路交通系统中重要的组成部分,其正常运行对保障列车行车安全至关重要。
传统的道岔巡查需要大量人力物力,并且效率较低。
为了提高道岔巡查的效率和准确度,本文提出了一种道岔检测方案。
该方案基于现代传感器技术和数据分析算法,可以实时监测道岔的状态,辅助工作人员及时发现并处理道岔故障,并提供数据支持供误差分析和预测维修需求。
引言道岔作为连接不同轨道的关键设备,主要用于调车、列车进出站和引导列车进行换道操作。
道岔运行不畅或出现故障,容易导致列车运行受阻,甚至出现事故。
因此,对道岔运行状态进行及时、精确的检测和维护显得尤为重要。
传统的道岔巡查方式通常是由工作人员步行巡视,通过人工目测判断道岔的状态和问题。
这种方法存在一些问题,如人力物力成本高、效率低下、容易漏检等。
因此,我们需要一种更高效、准确的道岔检测方案。
方案概述本方案基于现代传感器技术和数据分析算法,通过在道岔上部署各类传感器,实时监测道岔的状态和运行情况。
传感器可以采集到道岔的位移、电流、温度等相关数据,并将数据传输给数据分析系统进行处理。
通过对数据的分析和比对,可以及时发现道岔故障,并提供数据支持供误差分析和预测维修需求。
传感器选择与部署为了监测道岔的状态和运行情况,我们需要选择合适的传感器进行部署。
以下是常用的几种传感器类型:1.位移传感器:用于监测道岔的位移变化,可以检测道岔的开关状态和运动情况。
2.电流传感器:用于监测道岔的电流变化,可以检测道岔电动机的运行状态和电流异常。
3.温度传感器:用于监测道岔的温度变化,可以检测道岔的过热情况和温度异常。
传感器的部署位置通常选择在道岔的关键部位,如转辙机、铁轨连接处等。
合理的传感器部署可以提高监测的准确度和可靠性。
数据采集与传输传感器采集到的数据需要通过数据传输系统传输给数据分析系统进行处理。
常用的数据采集与传输方式有以下几种:1.有线传输:传感器与数据分析系统之间通过有线连接进行数据传输。
十四号线道岔监测系统的应用与分析摘要:随着微电子技术、计算机技术、通信技术的发展,广州地铁信号系统也逐步往数字化、智能化方向发展。
十四号线是较早具备完善数据在线采集和监测功能的线路。
本文通过对十四号线道岔监测系统的配置、典型案例、现场应用进行分析,提出并实施优化改造措施,同时为新线监测系统设计需求提出建议。
关键词:道岔、监测一、系统概述十四号线采用济南铁路天龙高新技术开发有限公司的ZQJ-05道岔缺口监测系统。
系统采用高像素红外数字摄像头采集缺口位置图像,由图像采集处理器直接对原始图像进行处理和特征参数提取、计算,从而实现对表示杆缺口偏移量或缺口大小的精确监测。
同时,系统还可以把道岔扳动过程、过车时缺口变化状态、当前缺口位置图片、缺口位置信息、机内的温度、湿度、油压油位等数据,通过通讯线路实时传送到信号设备房室内的终端上。
同时具备直播功能,在室内就能直观查看机缺口的实时状态。
初次之外还配备铁科院MSS-YH型信号集中监测系统,该系统主要采集道岔表示电压、继电器动作状态、功率曲线、电流曲线,并统计道岔动作次数。
二、现场应用与分析现场已形成包含值班点、工班长、技术员在内的全方位巡视制度。
在日常生产中,监测系统的作用主要体现在故障预防和故障辅助处理两个方面。
在故障预防方面,通过为油压曲线设置参考曲线和预警线,为表示电压设置预警值等手段,现场能够通过巡视及时发现设备的异常趋势,并消除设备隐患。
以油压曲线为例,通过对比参考曲线,可以发现锁钩过紧、滑床板缺油或磨卡等隐患,并及时消除,避免对运营产生影响。
在故障辅助处理方面,当故障发生后,监测系统的油压曲线、电流曲线等信息能帮助故障处理人员快速判断室外设备状态,提高故障处理效率。
为提高现场分析效率,经过测试与总结,将常见的故障案例梳理如下:1、电路故障典型案例(1)DBQ或BHJ故障导致三相动作电流数值正常,但仅维持1S。
图1:DBQ 或BHJ故障图例断相保护器(DBQ)与保护继电器(BHJ)配合使用,用于三相电机保护电路中。
道岔监测装置研发与应用 1 张莹 2 陈勇强 3 贺邵勋 4 张春来发布时间:2021-12-22T03:40:06.252Z 来源:《基层建设》2021年第22期作者: 1 张莹 2 陈勇强 3 贺邵勋 4 张春来[导读] 长沙地铁 1 、2 号线正线道岔采用的是 S700K 双机(A 、B 机)牵引,且室内无道岔微机监测设备,自试运营以来,正线道岔故障中有类故障现象为“道岔瞬间失表1 身份证号码: 36243219821008XXXX2 身份证号码: 43040319840525XXXX3 身份证号码: 43052119860515XXXX4 身份证号码: 43252419870920XXXX摘要:长沙地铁 1 、2 号线正线道岔采用的是 S700K 双机(A 、B 机)牵引,且室内无道岔微机监测设备,自试运营以来,正线道岔故障中有类故障现象为“道岔瞬间失表,操动道岔又恢复”,此类道岔故障无法进行故障复现和定位,且无法有效准确定位故障范围,这对道岔故障隐患的消除造成较大的困难。
道岔设备是信号轨旁设备中最为关键的核心设备,设备的状态、性能时刻关系到运行列车的安全。
基于此,文章就设计研发道岔监测装置,用于辅助分析处理道岔故障,确保道岔关键设备运行安全稳定。
关键词:道岔监测;装置研发;装置应用1 国内研究现状与发展趋势国内近几年新开通线路,均安装系统级监测设备,其中关于道岔状态监测较为全面,且每套设备费用需约 45 万元。
但长沙早期开通的地铁 1、 2 号线未安装监测设备。
当道岔设备发生故障时,只能依靠有限的技术数据和状态进行分析和处理,具有较大的局限性,故通过加装监测装置,缩小道岔设备故障分析范围,能提高故障处理效率。
2 研发与应用要点(1)通过监视机械电流表,快速区分道岔机械、电路故障1.原理分析道岔机械故障主要表现为道岔动作但未转换到位;道岔电路故障主要表现为道岔不动作或者道岔动作但动作时间不够。
基于大数据分析的道岔转换设备故障诊断系统故障诊断系统是保障铁路交通安全和高效运行的重要环节之一。
在铁路道岔转换设备中,故障的发生可能导致列车运行受阻,进而影响行车调度和乘客出行。
传统的故障诊断方法存在诊断准确率低、耗时长等问题,难以满足实际的需求。
基于大数据分析的故障诊断系统则能够更准确地判断设备故障,并提供及时可靠的解决方案。
一、大数据分析在道岔转换设备故障诊断中的重要性随着信息技术的不断进步和发展,移动互联网、物联网等新兴技术蓬勃兴起,铁路运输系统实现了全面信息化和智能化。
在这样的背景下,大数据分析作为一种重要的数据处理和分析工具,对于道岔转换设备故障诊断至关重要。
首先,道岔转换设备的运行产生海量的数据,如温度、压力、电流等。
传统的诊断方法无法有效处理这样的大数据,并从中找出故障的关键信息。
而大数据分析技术能够通过对大规模数据的分析和挖掘,提取出故障模式和规律,为故障诊断提供有力支持。
其次,大数据分析可以借助机器学习和人工智能的方法,建立道岔转换设备故障的模型和预测算法。
通过对历史数据和实时数据的分析,系统可以学习设备不同状态下的特征,并进行故障预测和预警。
这将有助于及时采取措施,避免故障的发生,保障道岔转换设备的正常运行。
二、基于大数据分析的道岔转换设备故障诊断系统的框架基于大数据分析的道岔转换设备故障诊断系统通常包括数据采集、数据预处理、特征提取和故障诊断四个关键环节。
1. 数据采集在铁路系统中,道岔转换设备的运行数据可以通过传感器等设备进行实时采集,并通过网络传输至故障诊断系统。
在这一环节中,需要搭建稳定可靠的数据采集系统,确保数据的及时性和准确性。
2. 数据预处理由于采集到的数据通常存在噪声和缺失值等问题,需要进行数据清洗和预处理。
清洗过程包括去除异常值、填补缺失值等操作,以确保后续分析过程的准确性。
预处理后的数据即可进入下一步的特征提取。
3. 特征提取特征提取是识别和提取设备故障的关键特征,从而为故障诊断提供可靠依据。
运营维护无联锁区段道岔状态监测系统设计易欣(中国铁路武汉局集团有限公司运输部,湖北武汉430071)摘要:在铁路调车作业中,无联锁区段道岔(手扳道岔)仍在大部分车站的货物线、专用线及部分支线车站使用,因其作业安全管控全部依赖人工,近年来人为因素造成的事故较多,给现场运输组织、安全管理带来较大影响。
为尽可能降低人因风险,提升技防水平,基于无集中联锁道岔区段调车作业现状,通过研究手扳道岔结构和动作原理,设计一套能够检测道岔定反位状态、基本轨和尖轨密贴程度以及锁销是否操作到位的道岔状态监测系统,在行车室管理终端基于站场平面图可实时显示,并同步实现语音播报和查询功能。
该系统在武汉局集团公司丹江车站试用后,有效卡控了手扳道岔的作业风险,大幅提升了车站调车作业安全管控水平。
关键词:无联锁;手扳道岔;道岔状态;监控系统;调车作业中图分类号:U213.6;TP2文献标识码:A文章编号:1001-683X(2021)12-0109-06 DOI:10.19549/j.issn.1001-683x.2021.12.1090引言当前铁路车站尚存在大量无联锁道岔,在调车作业过程中,此类调车进路的开通和确认均由人工完成。
2021年7月1日起正式实行的TB/T30002—2020《铁路调车作业》[1]规定:在扳动道岔时,应执行“一看、二扳(按、点击)、三确认、四显示(呼唤)”制度,即扳道人员扳动道岔准备调车进路时,先确认道岔开通位置,再扳向所需位置。
确认分管区域内调车进路上的道岔开通位置正确后还道[2]。
因无联锁道岔作业均由人工确认,缺乏有效物理防范和技术防范手段,因此极易发生事故。
经不完全统计,2014—2019年全路车务系统因手扳道岔作业标准执行不到位造成的事故17起,均是因为作业人员未确认手扳道岔位置、盲目指挥车辆运行造成挤岔或脱轨[3]。
根据中国国家铁路集团有限公司建立的人防、物防、技防“三位一体”要求,对无联锁道岔作业增加技防手段、加装物防设备,尽可能降低人防因素导致基金项目:中国铁路武汉局集团有限公司科技研究开发计划项目(21Y11)作者简介:易欣(1975—),男,工程师。
道岔辅助组合中的数据采集与处理技术引言:随着科技的不断发展,道岔辅助组合的数据采集与处理技术在铁路交通领域起到了重要的作用。
本文将探讨道岔辅助组合中的数据采集与处理技术的原理、应用以及未来的发展趋势。
一、道岔辅助系统的概述道岔辅助组合系统是铁路交通系统中的一项重要技术,它可以对道岔的状态进行实时监测和控制,从而提高铁路交通的安全性和运行效率。
道岔辅助组合系统主要包括数据采集和处理两个环节。
二、道岔数据采集技术数据采集是道岔辅助组合系统中的第一个关键环节。
数据采集技术主要分为传感器技术和无线通信技术。
1. 传感器技术传感器技术是道岔数据采集的基础,它主要通过感知道岔的物理状态并将其转化为电信号。
常见的道岔传感器包括位移传感器、压力传感器、温度传感器等。
这些传感器能够实时监测道岔的位置、转换过程中的力和温度等重要参数,并将数据传输到数据处理系统。
2. 无线通信技术数据的实时传输对于道岔辅助组合系统至关重要。
无线通信技术如GSM、GPRS、WiFi等可以实现远程监测和控制,同时确保数据的及时性和灵活性。
无线通信技术的应用不仅能够提高道岔辅助组合系统的可靠性,还可以减少线缆的使用,简化系统的布局。
三、道岔数据处理技术道岔数据处理技术是道岔辅助组合系统中的第二个关键环节。
数据处理技术主要包括数据的分析、存储和可视化。
1. 数据分析道岔数据的分析是为了找出可能存在的故障和异常情况。
通过对道岔数据进行实时监测,并利用数据处理算法进行分析,可以及时发现潜在的问题,并采取相应的措施进行处理,提高道岔的可靠性和安全性。
2. 数据存储道岔数据存储是为了保证数据的可追溯性和后期的分析。
道岔数据存储可以采用数据库技术,将采集到的数据按照一定的格式和结构存储起来,并进行备份和管理,以备后续分析和查询。
3. 数据可视化数据可视化是为了方便用户对道岔数据进行直观的观察和分析。
通过图表、曲线等形式将数据可视化展示,可以更直观地了解道岔的状态和趋势,同时提供实时决策的支持。
铁路基础设施数据采集系统设计结合铁路基础设施健康监测的特点,从硬件和软件两个方面设计数据采集子系统;首先,分析振动传感器的选用原则和输出信号的特点,在此基础上进行数据采集系统的硬件设计;然后,提出利用软件进行数据采集的模拟,详细论述各个模拟模块的建立过程;最后利用所属方法建立用于铁路基础设施检测的数据采集子系统,系统的建立为铁路基础设施监测理论研究提供了方法,为同类型数据采集系统设计提供参考。
铁路基础设施;监测;振动传感器;数据采集0.引言进入21世纪以来,我国铁路建设进展迅猛,取得了良好的经济与社会效益。
随着铁路运输速度的迅速提升,再加上其相对方便舒适的环境和价格上的优势,势必能吸引越来越多的人选择铁路作为他们旅行的交通工具,然而,伴随着铁路运输的飞速进展给人们带来的交通上的快捷与方便,车体与铁轨的振动故障对公共财产及人身安全构成了前所未有的威胁。
伴随着我国铁路立体跨越式的迅猛进展,轮轨间激扰力与激扰频率随着车辆行驶速度的不断提高,逐渐增大,变宽,结果会造成电机等吊挂设备和车内设备的高频高幅振动,引起车体设备振动能量的急速加剧。
如果超过了铁路各设备所同意的振动强度范围,未来的工作性能指标及使用寿命将会受到过大的动态载荷和噪声的严峻影响,情况越发严峻会导致零部件的早期失效。
当前大量事实表明,在长期作用的情况下,铁路振动故障可能会导致货物破损,轨道破坏,列车脱轨等危险情况。
为确保铁路“安全、经济、快捷、舒适”的特点和优势,铁路建设要不断进展完善其各项功能,才能在越发激烈的市场竞争中取得优势,因此,各国都加强了对铁路振动的检测及分析,也增加了对其的投入力度。
今年我国对铁路振动检测领域的人力物力投入有明显增加,并且研究范围扩展到众多方面。
以往铁路振动检测系统只配备在一些重要单位或者要害部门,而在2000年以后,各个铁路站段及各个振动检测站点基本都已经涉及进展应用到。
铁路振动检测系统的重要性越来越被人们所认可,近些年又不断完善各项相应的标准和规范。
道岔检测方案摘要道岔是铁路交通系统中重要的设备之一,对运行平安起着至关重要的作用。
为确保道岔的正常运行及时发现和修复问题,开发一种高效可靠的道岔检测方案是非常必要的。
本文提出了一种基于声音信号的道岔检测方案,该方案通过对道岔运行过程中产生的声音信号进行采集和分析,可实现对道岔状态的实时监控和异常识别。
引言道岔是铁路交通系统中重要的设备之一,用于引导列车在不同的轨道上行驶。
道岔由多个关键部件组成,如道岔舌、道岔心轨等。
道岔在列车运行过程中承受巨大的压力和摩擦,因此容易出现磨损、松动和故障等问题。
为了确保铁路交通的平安和高效运行,对道岔的状态进行及时监测和检测至关重要。
传统的道岔检测方法主要依赖人工巡查和定期维护。
然而,人工巡查存在工作量大、效率低、易发生疏忽等问题。
而定期维护那么可能会造成正常道岔的不必要维修,浪费资源和时间。
因此,开发一种自动化、高效可靠的道岔检测方案对提高铁路交通的平安性和效率性具有重要意义。
方法采集声音信号本方案采用声音信号作为道岔状态的指示器。
声音信号的采集需要使用专业的声音传感器,例如麦克风或压电传感器。
传感器被安装在道岔的关键部位,以便能够准确地获取道岔运行过程中的声音信号。
在进行采集之前,需要对传感器进行校准和调试,以确保信号采集的准确性和一致性。
建立模型采集到的声音信号需要进行预处理和特征提取,以便能够对道岔的状态进行分析和识别。
预处理包括信号滤波、降噪和放大等步骤,以提高信号的质量和稳定性。
特征提取主要是通过对声音信号进行频域分析、时域分析和小波分析等手段,提取出与道岔状态相关的特征参数。
特征参数一般包括声音的频率、波形、能量等。
建立道岔状态识别模型是本方案的核心任务。
根据采集到的声音信号和特征参数,可以使用机器学习或深度学习等方法建立识别模型。
常用的算法包括支持向量机〔SVM〕、随机森林〔Random Forest〕、卷积神经网络〔CNN〕等。
通过训练模型,并使用标记好的样本进行验证和测试,可以评估模型的准确性和可靠性。