基于电流特征分析ZDJ9型转辙机故障预测方法研究摘要道岔转辙机是铁路信号系统中的关键执行设备，其运行状态直接影响行车安全与运输效率。ZDJ9型电动转辙机因其结构紧凑、转换力大，广泛应用于高速铁路和城市轨道交通。针对其故障频发且传统人工巡检效率低下的问题，本文提出一种基于动作电流特征分析的故障预测方法。通过提取时域、频域及小波包能量熵等多维特征，结合随机森林与长短期记忆网络（LSTM），构建了故障诊断与剩余寿命预测模型。实验表明，该方法能准确识别卡阻、缺油、电机老化等典型故障，预测精度达95%以上，为转辙机的状态修提供了有效技术支撑。关键词：ZDJ9转辙机；电流特征；故障预测；机器学习；小波包分解第一章 绪论1.1 研究背景与意义随着我国铁路网规模不断扩大，尤其是高速铁路和城市轨道交通的快速发展，对信号设备的可靠性和维护效率提出了更高要求。ZDJ9型电动转辙机作为道岔转换的核心设备，其工作可靠性直接关系到列车运行安全。据统计，在信号设备故障中，转辙机故障占比高达30%~40%，且多数故障表现为机械卡阻、电机性能下降、接点接触不良等。目前，现场仍主要采用“定期修”和“故障修”相结合的模式，存在“过修”或“欠修”问题。状态修是设备维护的发展方向，而状态修的核心在于准确感知设备状态并预测其退化趋势。转辙机在动作过程中，电机电流信号包含丰富的机械与电气状态信息，且电流信号易于采集、抗干扰能力强。因此，基于电流特征分析实现转辙机故障预测具有重要的理论价值与工