原文传递
沪宁高铁CRH2型动车组牵引系统故障预测及PHM应用研究
| 论文题名： | 沪宁高铁CRH2型动车组牵引系统故障预测及PHM应用研究 |
| 关键词： | 高速铁路;动车组;牵引系统;故障预测;健康管理 |
| 摘要： | 近年来，随着我国中长期铁路网规划的不断推进，越来越多的高铁线路被设计、建设及运营。与此同时，高铁线路上投入的CRH系列动车组数量规模也在不断扩大。如何将数量众多且比较复杂的轨道交通旅客运输设备进行科学的管理便成了铁路运营管理部门面临的一个巨大难题，于是基于“状态修(CBM)”的设备故障预测及健康管理技术(PHM)也就成了当前各方研究的热点。借助于当前先进的传感器技术，将动车组各设备系统每天产生的大量实时监测数据采集并存储起来，利用这些数据所反映的系统信息来预测设备当前性能状态并以此为依据来制定先进的维修策略，是目前高铁CRH系列动车组设备维修工作的重要研究内容。 选取沪宁高铁线路上行驶的CRH2型动车组的牵引系统（供电部分）为研究对象。针对动车组设备传统维修模式“计划修”的缺陷，通过构建基于设备退化状态的隐半马尔科夫模型(HSMM)来对评估系统当前的性能状态及剩余使用寿命PHM估算。旨在将动车组设备的现行维修模式由传统的“计划修”转化为“状态修”，为铁路运营管理部门在提高维修效率、降低维修成本、提高设备运行可靠性方面提供科学的决策依据。论文的主要工作如下: (1)以沪宁高铁线路上运行的CRH2型动车组牵引系统为研究对象。通过对系统结构构成及工作机理的分析，提取表征系统性能状态的特征参数;同时依据系统状态退化机理将系统的全生命周期划分为基于时间序列的四种退化状态。 (2)在分析系统特征参数及状态退化机理的基础之上，构建基于系统退化状态的HSMM模型并用该模型去评估系统的当前退化状态。以当前退化状态为基础对系统剩余使用寿命做出PHM估算。 (3)由于HSMM模型本身存在缺陷，用传统的BW算法结合现场实验数据训练出的HSMM模型精度特别低，故采用改进过的PSO算法(TPSO)去优化各状态分类器及全生命周期模型的参数估计，期望提高HSMM模型对系统状态识别及剩余使用寿命PHM估算的精度。 (4)将预处理过的系统监测数据信息输入到改进后的HSMM模型当中，对CRH2型动车组牵引系统进行故障预测及剩余寿命PHM估算。结果显示，改进后的HSMM模型较传统HSMM模型在预测精度及剩余寿命PHM估算准确性方面有了很大的提高。 |
| 作者： | 张美军 |
| 专业： | 交通运输规划与管理 |
| 导师： | 刘振奎 |
| 授予学位： | 硕士 |
| 授予学位单位： | 兰州交通大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
