基于掩碼自編碼器的小樣本深度學習道岔故障診斷模型

李 剛，徐長明，龔 翔，盧佩玲，董賀超，史維利

（1.中國鐵道科學研究院 研究生部，北京 100081；2.中國鐵道科學研究院集團有限公司 通信信號研究所，北京 100081；3.中國鐵道科學研究院集團有限公司 國家鐵路智能運輸系統工程技術研究中心，北京 100081；4.東北大學秦皇島分校 計算機與通信工程學院，河北 秦皇島 066004；5.河北環境工程學院 信息工程系，河北 秦皇島 066102；6.中國鐵路沈陽局集團有限公司 吉林電務段，吉林 吉林 130051）

道岔轉轍機作為鐵路信號系統重要的基礎設備之一，其工作狀態正常與否直接關系到運輸效率和行車安全。根據鐵路行業的統計數據，在發生故障的信號設備中道岔轉轍機的故障約占39%［1］，占比較高，也說明了道岔轉轍機的故障率很高。目前道岔轉轍機設備的日常維護和故障處理，主要依據信號集中監測系統提供的道岔動作曲線，信號集中監測系統能提供簡單的預警和報警功能，但主要分析還是依靠人工瀏覽判斷來完成，勞動強度很大，且容易出現漏判和錯判情況。因而亟須設計出準確、可靠和高效的故障診斷系統，能夠自動判斷出故障及其原因，指導現場維修人員快速處理故障，切實提高維護效率和水平。

目前，國內許多相關學者通過道岔動作曲線對道岔故障診斷技術進行了研究。趙林海等［2］主要針對道岔轉轍機典型故障下的動作功率曲線變化規律，提出1種基于灰關聯的道岔故障診斷方法，通過采用Fisher準則對相應故障模式對應的特征向量進行選擇，通過優化分辨系數并計算待測樣本與各故障模式特征間的灰色關聯度，將滿足門限要求的最大灰色關聯度對應的故障模式作為待測樣本的故障診斷結果。……