●序
前言
第1章 道岔概述
1.1 鐵路繫統概況
1.1.1 鐵路繫統
1.1.2 高速鐵路
1.1.3 城市軌道交通
1.2 道岔
1.2.1 道岔的基本概念及重要性
1.2.2 道岔的分類
1.3 轉轍機
1.3.1 轉轍機的基本概念及作用
1.3.2 轉轍機的分類
1.3.3 直流轉轍機的基本原理
1.3.4 交流轉轍機的基本原理
第2章 道岔監測繫統
2.1 道岔監測的必要性
2.1.1 道岔事故
2.1.2 道岔監測必要性分析
2.2 道岔監測繫統的基本原理
2.2.1 道岔監測繫統的相關標準規範
2.2.2 道岔監測繫統的主要結構
2.2.3 道岔監測繫統的主要功能
2.3 主要道岔監測繫統介紹
2.3.1 CSM-TD型信號微機監測繫統
2.3.2 CSM-HH型信號集中監測繫統
第3章 道岔動作曲線
3.1 道岔動作曲線的分類
3.2 直流轉轍機道岔動作電流曲線
3.2.1 道岔動作電流采集原理
3.2.2 單動道岔正常動作電流曲線分析
3.3 交流轉轍機道岔動作電流曲線
3.3.1 道岔電流采集原理
3.3.2 交流轉轍機道岔正常動作電流曲線分析
3.3.3 道岔動作曲線“小尾巴”的形成原理
3.3.4 ZYJ7型道岔正常動作曲線分析
3.4 道岔動作功率曲線
3.4.1 道岔動作功率曲線采樣原理
3.4.2 道岔動作功率曲線分析
3.4.3 S700K型電動轉轍機道岔動作功率曲線分析
第4章 道岔故障模式及故障曲線仿真
4.1 道岔故障分類
4.2 道岔常見故障分析
4.3 道岔動作曲線仿真
4.3.1 道岔動作模型構建及參數設置
4.3.2 基於道岔動作模型的動作曲線仿真
4.3.3 道岔正常動作曲線仿真
4.3.4 道岔長期運行曲線仿真
4.3.5 道岔故障曲線仿真
第5章 道岔異常曲線識別
5.1 道岔異常曲線識別總體技術路線
5.2 道岔正常參考曲線的選取方法
5.2.1 基於K均值聚類算法的道岔正常參考曲線的選取
5.2.2 基於弗雷歇距離的道岔正常參考曲線的選取
5.3 相似度的計算及閾值的確定
5.3.1 正常曲線與正常參考曲線之間的相似度計算
5.3.2 相似度閾值的確定
5.4 基於相似度的道岔異常曲線識別舉例
5.4.1 正常參考曲線的選取
5.4.2 相似度的計算以及閾值的確定
5.4.3 實例測試
第6章 基於距離的道岔故障診斷
6.1 典型距離算法
6.2 基於距離的道岔故障診斷方法
6.3 基於動態時間規整的道岔曲線故障診斷實例
6.4 基於弗雷歇距離的道岔曲線故障診斷實例
第7章 基於深度學習的道岔故障識別方法
7.1 基於卷積神經網絡的道岔故障識別方法
7.2 卷積神經網絡
7.2.1 卷積神經網絡概述
7.2.2 卷積神經網絡經典網絡算法
7.3 道岔故障診斷模型
7.3.1 輸入數據預處理
7.3.2 模型訓練過程
7.3.3 道岔故障診斷模型的驗證
7.4 基於深度學習的道岔故障診斷實例
第8章 道岔曲線模式的自動聚類研究
8.1 道岔曲線的自動聚類方法
8.1.1 聚類概念
8.1.2 聚類方法分類
8.2 FCM聚類算法
8.2.1 相關概念
8.2.2 FCM聚類算法的步驟
8.3 道岔故障曲線的自動聚類實例
8.3.1 數據預處理
8.3.2 改進的FCM聚類算法
8.3.3 案例計算結果
第9章 道岔動作曲線預測方法
9.1 基於道岔曲線特征的預測方法
9.1.1 道岔動作曲線采集及代表特征選取
9.1.2 基於BP神經網絡的道岔曲線特征預測方法
9.1.3 基於最小二乘法的道岔預測曲線的擬合
9.1.4 道岔預測曲線的故障診斷
9.1.5 基於道岔曲線特征的預測方法實例分析
9.2 基於曲線點的預測方法
9.2.1 預測所用數據說明及預測效果評價指標
9.2.2 基於ARMA模型的道岔動作曲線預測方法
9.2.3 基於支持向量機的道岔動作曲線預測方法
參考文獻

本書在介紹道岔和微機監測曲線的基礎上，深入分析道岔故障模式及其在道岔動作曲線上的表征規律。針對道岔故障少樣本的情況，提出道岔異常曲線的識別方法和基於相似度的道岔異常曲線識別方法；針對無道岔故障樣本的情況，提出基於無監督學習的道岔曲線自動聚類方法和基於深度學習的道岔故障診斷方法。最後分別提出基於道岔曲線特征和曲線點的道岔動作曲線預測方法。
本書適用於軌道交通信號相關學科的工程技術人員、科研人員以及高校研究生。通過本書能全面了解道岔故障智能診斷的近期新技術，指導道岔智能運維相關的研究工作。