原文传递
高速列车牵引传动系统复合故障的诊断方法研究
| 论文题名： | 高速列车牵引传动系统复合故障的诊断方法研究 |
| 关键词： | 高速列车;牵引传动系统;复合故障;故障诊断 |
| 摘要： | 当前,高速列车已经成为人们远距离出行的首要选择.作为一个大型而又复杂的工程系统,高速列车牵引传动系统与旅客的人身安全、财产安全有着十分重要的关联,因此对系统的可靠性有着十分高的要求.但从高速列车投入使用之后,牵引传动系统的故障就时有发生.基于这样的背景,本文以高速列车牵引传动系统为研究对象,针对三电平逆变器中IGBT功率管开路和电流传感器漂移复合故障、牵引电机转子断条和气隙偏心复合故障、三电平逆变器中两个电流传感器同时发生偏置故障这三种复合故障进行了诊断方法的研究.具体内容如下: 针对IGBT功率管开路和电流传感器漂移复合故障,考虑到复合故障与单故障特征相似的问题,设计了基于核主元分析法(KPCA)的故障诊断方案.利用优化后的集合经验模态分解(EEMD)对三电平逆变器的三相输出电流信号降噪;核主元分析法用来对降噪后的数据进行分析,通过检测Hoteling T2统计量和平方预测误差SPE统计量两个量来监测数据的状态,并根据主元变量的贡献值来确定故障类型;三相电流平均值法最后用来定位故障IGBT功率管的位置.利用牵引传动控制系统故障注入基准(TDCS-FIB)仿真平台采集不同故障模式下的数据,验证了故障诊断方法的有效性. 针对牵引电机转子断条和气隙偏心复合故障,考虑到故障特征会被噪声、电流基频淹没以及故障模式难以区分的问题,提出了基于径向基(RBF)神经网络的复合故障诊断方法.优化后的自适应滤波方法用来对定子电流信号降噪,以减少噪声对故障诊断的影响.然后利用小波包和奇异值分解的方法来滤除电流基频,解决电流基频淹没故障特征频率的问题.同时利用小波包提取出滤除基频后电流信号的故障特征向量,作为RBF神经网络的训练样本.基于K-means学习算法的RBF神经网络在训练完成后用来对故障模式进行分类.利用牵引传动控制系统故障注入基准(TDCS-FIB)仿真平台采集的故障数据验证了诊断方法的有效性. 针对三电平逆变器中两个电流传感器同时发生偏置的复合故障后,在牵引系统的闭环调控下,故障特征被淹没,无法准确区分无故障、单个传感器偏置故障和复合故障的问题,提出了基于小波包和决策树算法的复合故障诊断方法.通过小波包提取故障下电流信号的特征信息,用来对决策树分类模型进行训练,训练完的决策树用来诊断故障的模式.利用株洲电力机车研究所的半实物故障注入仿真平台采集到的数据,验证了基于小波包和决策树算法的复合故障诊断方法的有效性. |
| 作者： | 殷俊 |
| 专业： | 控制工程 |
| 导师： | 姜斌 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京航空航天大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
