详情

原文传递电力机车故障分析技术研究

论文题名：	电力机车故障分析技术研究
关键词：	电力机车;故障分析;智能诊断;案例推理法;BP神经网络算法
摘要：	铁路对国民经济起着非常重要的作用，机车是铁路的牵引动力设备。电力机车的采用在我国铁路运输中日益广泛，HXD2B型电力机车是一种重载货运机车。机车的结构非常复杂，故障种类也是多种多样。虽然在机车的使用过程中应用了一些智能故障分析手段，但当实际的问题产生时，故障分析与诊断工作、维修工作，多依赖于机务段检修人员凭借经验进行分析和诊断，远不能满足铁路现代化的要求。　　本文旨在通过多种方法研究电力机车的智能诊断技术与方法，便于检修人员能够迅速、准确的找到机车的故障所在，进行维修。本文研究了两种故障诊断方法：基于粗糙集的案例推理方法和与粒子群优化算法相结合的BP神经网络算法。本文首先查阅了电力机车相关资料，以司机显示单元的故障为例，搜集了典型故障案例、故障特点，将专家知识记录起来，并进行整理，然后通过不同的方法，实现对电力机车故障诊断技术的研究。　　案例推理方法是一种智能诊断方法，是一种基于知识的学习和问题求解方法，它通过重新使用或者修改历史知识和实例，为新的问题提供决策参考，并且可以不断的自学习，更新知识库。案例推理方法的过程包含案例检索、案例重用、案例修正和案例保存四个过程[1]。在本文中案例检索采用加权K-NN算法，权值利用粗糙集理论进行计算；案例重用、案例修正的实现通过在每次诊断完成，使用人员和软件进行互动，记录在案例库中；案例保存同样采用粗糙集理论，对案例进行约简，来实现方便、高效的信息存储。　　在粒子群优化算法和BP神经网络相结合的算法中，BP神经网络算法建模简单，普遍使用于各个方法的研究，但是其收敛速度慢，容易陷入局部最优值；而粒子群优化算法收敛速度快，具有全局搜索功能，两者结合能够在全局范围内快速的找到最优值。在此算法中，BP神经网络的权值和阈值由粒子群算法中粒子的位移代替，通过设置停止准则：适应度和迭代次数，在全局范围搜索得到最优的权值和阈值，并赋值给BP神经网络进行训练，大大加快了BP神经网络的训练速度，增加了准确性。　　本文利用Matlab软件进行故障诊断技术的研究和仿真，利用电力机车的实际数据，仿真实现了两种方法，并分别对结果进行说明阐述。
作者：	陈莹莹
专业：	电子与通信工程
导师：	郝应光
授予学位：	硕士
授予学位单位：	大连理工大学
学位年度：	2017
正文语种：	中文