原文传递
高速列车电磁发射测量与数据分析
| 论文题名： | 高速列车电磁发射测量与数据分析 |
| 关键词： | 高速列车;运行工况;电磁兼容性;数据挖掘;神经网络 |
| 摘要： | 随着高速铁路（High-Speed Railway,高铁）系统的迅猛发展，高速列车的电磁环境日益复杂，其电磁兼容性能的好坏直接关乎到列车运行的安全性、可靠性、可用性。列车的电磁环境具有明显的特殊性，和复杂多变的列车工况具有密切联系，这使得针对列车电磁环境的分析面临着参数过多、无法确定因果关系等挑战。而传统的统计分析都是以严密的理论推理为基础，通过对实际情况进行简化来构造分析模型，因此经典统计分析并不适用于高速列车电磁兼容性研究领域。而数据挖掘(Data Mining，DM)可以对海量但信息密度极低的数据进行专业化处理，提取出知识信息，因此本文借鉴数据挖掘的方法对高速列车电磁发射测量数据进行分析。本文的工作内容及创新点主要包括以下两个方面: (1)为明确挖掘目标，本文首先对应用领域进行透彻的理论分析。文章首先从电磁兼容测量三要素出发，对高速列车的骚扰源、耦合途径、敏感设备进行了系统的讨论，其中，骚扰源主要讨论了由牵引、逆变系统产生的低频磁场骚扰、受电弓部分离线产生的高频辐射骚扰以及牵引回流包含的丰富谐波分量所产生的电磁骚扰，耦合途径主要讨论了传导耦合、辐射耦合和线缆间的传导耦合，然后根据车载信号传输和信息处理设备、列控信号动作设备以及其它电力设备的工作原理对车载敏感设备的抗干扰性进行了讨论。最后根据GB/T24338(1-5)制定了现场测量方案并进行了现场实验，完成了初始数据的测量工作。 (2)基于原始测量数据中的应答器传输模块(Balise Transmission Module，BTM)和速度传感器(Speed Dynal，SPD)时域测量数据、频域测量数据、列车全球定位系统(Global Position System，GPS)数据以及工况记录数据，进行了数据挖掘分析。首先采用ARMA时序分析模型对SPD时域测量数据进行时序分析，通过对历史测量数据的分析，实现受试设备电磁兼容数据的预测;然后采用分类回归决策树(Classification And Regression Tree，CART)、反向传播(Back Propagation，BP)神经网络以径向基函数(Radial Basis Function，RBF)神经网络对BTM频域测量数据进行了分类分析，实现由测量数据到列车工况的判断，并利用受试者工作特性(Receiver Operating Characteristic，ROC)曲线对三种模型进行了模型评价，最终结合计算速率和CPU占用率得到结论，当分类类型比较少时可以采用CART决策树进行分析，当分类类型比较多时可以采用RBF神经网络进行分析;最后文章采用基于聚类算法的离群点分析模型对BTM频域测量数据进行了离群点分析，从而实现对敏感设备的骚扰判断。 |
| 作者： | 孙晓英 |
| 专业： | 电子与通信工程 |
| 导师： | 王国栋 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
