基于机器学习的无绝缘轨道电路健康状态综合评价方法

作者：董寅超; 赵林海^*

来源：铁道学报, 2023, 45(12): 92-102.

• 无绝缘轨道电路
• 检测车
• 健康评价
• 机器学习

针对检测车对ZPW-2000系列无绝缘轨道电路(JTC)的健康评价能力需要提升的实际需求，基于机器学习理论提出一种JTC健康状态综合评价方法。首先，基于JTC的工作原理和检测车的数据分析，研究并确定JTC健康状态评价指标和评价函数。然后，基于JTC仿真模型，使用故障注入技术对JTC常见故障模式下的数据进行仿真，构建JTC状态数据集，并基于半监督聚类算法，结合传统层次分析法的专家经验和数据中的规律，实现数据标注。最后，基于XGBoost模型和SHAP可解释框架计算各评价指标的权重，进而构造JTC健康分数HI,实现JTC健康状态的综合评价。实验表明，本文方法能够对JTC进行准确、合理地评价，克服现有评价方法的不足，有效提升检测车对JTC的健康评价能力，为实现“状态修”提供依据。

• 单位
  电子信息工程学院; 北京交通大学