原文传递
动车组轴箱轴承健康状态评估与趋势分析
| 论文题名： | 动车组轴箱轴承健康状态评估与趋势分析 |
| 关键词： | 动车组;轴箱轴承;健康评估;层次分析算法;支持向量机算法;趋势分析算法 |
| 摘要： | “十三五”以来，伴随着《中长期铁路网规划》的实施，“四纵四横”的高铁网将升级为“八纵八横”，这意味着，铁路网的建设迅速拓宽，列车调度密度增大，维修间隔变短，安全问题日益重要，这就需要提高动车组的运维效率，增强运维决策，以保证列车的运行安全和服务品质。 动车组轴箱轴承作为走行部的关键部件，掌握着列车安全命脉，因此如何准确地对轴箱轴承进行健康状态评估与趋势分析显得尤为重要。现有的轴箱轴承评估及趋势分析方法有如下缺陷:单一的故障与非故障分类，容易造成“欠修”和“过度修”;过度依赖于专家经验，故障判断主要依靠人为识别;列车运行过程中积累的数据利用率太低;仅仅使用阈值报警方式，误报率高，准确率低。针对上述问题，本文提出了一种基于支持向量机的四类健康状态分类方法和基于过程的多特征值趋势分析方法，并对其进行改进，充分利用运行数据的价值，挖掘其规律，实现轴箱轴承状态分类和趋势预测的准确判断，构建可靠地评估和预测模型，有效的帮助动车组优化修程修制，提高运维效率，降低维修成本，保障运行安全。 首先从动车组全生命周期数据入手，将轴箱轴承划分为四类状态“健康、温升、强温、激温”，通过梳理分析运维数据的特点，结合数据清洗，降维和归约等方法，给出一个合适地数据预处理方案。 然后针对预处理后的数据采用支持向量机算法做健康状态分类，针对传统算法的缺点，采用决策树方法进行改进，提出健康状态多分类DT-SVM算法;为了解决决策树的错分累积问题，结合层次分析法思想，提出了改进的AHP-DT-SVM算法;接下来基于分类数据，利用回归分析做趋势分析，构建基于过程的不同健康状态下的轴箱轴承温度特性曲线，根据多特征值对故障趋势做预测。 最后通过实验分析了AHP-DT-SVM算法和趋势分析算法的效率和可靠性，验证了算法改进的有效性;然后基于实验结果构建轴箱轴承健康状态评估与趋势分析规则和模型，并对其应用做可视化展示。 |
| 作者： | 舒敏 |
| 专业： | 计算机科学与技术 |
| 导师： | 张春 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
