原文传递
基于信号融合的轨道交通车辆故障诊断
| 论文题名： | 基于信号融合的轨道交通车辆故障诊断 |
| 关键词： | 轨道交通;车辆故障诊断;信号融合;BP神经网络;深度学习 |
| 摘要： | 随着我国综合国力的不断增强，在城市轨道交通方面，我国已取得令世界瞩目的成就。保证车辆平稳安全运行是城市轨道交通车辆运营的基础工作，有着重要的意义。随着经济不断的开始发展，政府为了改善民生,城市轨道交通车辆的数量和载客量不断提高，轨道交通车辆逐渐成为人们城市出行的最便捷的选择,对轨道交通车辆的安全性能提出了更高层次的要求。目前，城市轨道交通车辆在运行过程中，由于其复杂多变的运行工况、严重的噪声干扰和故障模式等原因导致轨道交通车辆的故障诊断工作十分困难。因此研究车辆的故障诊断具重要的社会意义。 本文在深入了解车辆故障诊断技术的国内外研究现状基础上，明确以振动信号以及电气参数为检测手段，利用数字信号处理技术和深度学习技术，研发了轨道交通车辆诊断系统，论文的主要研究内容如下： （1）本文分析了车辆的轴箱轴承、齿轮箱、电机的基本结构和参数，讨论了其产生的来源、故障类别以及故障特征。 （2）本文研究了基于振动信号和电气参数信号的信号处理方法以及信号的特征提取方法。采用小波包分析的方法对振动信号进行分析处理，基于小波去噪的方法对振动信号预处理,为了验证小波分析方法处理振动信号有良好的效果,以电机转子的振动信号降噪为例进行说明，信号波形进行滤波后，信噪比明显提高，降噪效果十分显著。 （3）本研究提出了轨道交通车辆多参数故障诊断方法，从信号融合的基本理论与方法，包括信号融合层次，故障识别原理等。设计了信号融合的整体方案，从信号降噪、小波包分解以及BP神经网络进行特征信号融合以及故障特征识别。将小波包分解振动信号后各个频段熵、电流及电压进行融合，进行故障诊断，将融合后的信号归一化后作为特征向量，建立BP神经网络模型，模型结果表明，信号融合后的故障识别结果准确，基本满足了城市轨道交通车辆多参数信号融合的故障诊断需求。 （4）本文开发了基于C++Builder软件的城市轨道交通车辆诊断系统，该系统内嵌BP神经网络模型，使故障诊断结果可视化。 |
| 作者： | 李涌 |
| 专业： | 电子与通信工程 |
| 导师： | 叶庆卫;周宇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 宁波大学 |
| 学位年度： | 2020 |
检索历史
应用推荐
