原文传递
基于数据驱动的高速列车转向架故障诊断与健康预测研究
| 论文题名： | 基于数据驱动的高速列车转向架故障诊断与健康预测研究 |
| 关键词： | 高速列车转向架;故障预测;健康管理;特征提取;LSTM |
| 摘要： | 随着轨道交通的飞速发展，高速列车逐步成为城市交通运输主力，在“中国制造2025计划中”担任着带动绿色发展、拉动区域经济的重要角色。但是随着它的快速发展，其设计、生产、使用尤其是维护和保障成本越来越高，因此如何提高列车系统安全性、运营维护效率、降低使用和保障费用，以最少的维修投入实现实时的视情维修和自主式保障已成为相关企业及研究学者关注的热点。目前传统状态监测与故障预警已经无法满足需求，因此本论文以高速列车转向架系统为研究对象，开展基于高速列车转向架系统的故障预测与健康管理研究，实时监测系统运行状态，通过故障分析，趋势分析并结合系统的运行历史数据，预测关键系统部件的实时健康状态，开展基于“视情维修”和“预知维修”的新型维修模式研究，本文围绕基于数据驱动的高速列车转向架故障诊断与健康预测的关键技术展开，论文主要研究内容包括: (1)结合故障预测与健康管理相关理论及标准，提出以故障预测与健康管理(PHM)的关键技术为基准的高速列车PHM系统技术架构以及适合高速列车的PHM系统体系结构。 (2)基于某型号高速转向架系统的功能与结构组成，分析高速列车转向架系统的主要部件的故障模式与故障机理，构建高速列车转向架及整车动力学模型，通过使用SIMPACK软件模拟仿真高速列车不同运行工况及故障模式，其中包括研究对象车型的参数设定，轨道激励谱设置，不同工况条件的限定，实现不同工况下的数据采集及相关数据预处理等。 (3)研究了高速列车转向架PHM系统的实时数据采集与特征提取，在不同工况、不同传感器数据采集通道获得振动加速度信号，将时域特征、基于ICEEMDAND自适应分解的多种信息熵与基于粗粒化方式的多尺度分散熵进行并行特征融合，实现多通道多域融合的特征提取，完整表征不同工况下转向架系统健康状态。 (4)研究了基于多域特征融合和智能算法优化支持向量机的高速列车转向架故障诊断。基于单通道多域特征融合和多通道多域特征融合，使用最小冗余最大相关特征选择方法进行特征降维，通过不同优化算法支持向量机故障诊断对比分析，验证所提故障诊断方法可以有效地实时判断故障类型。 (5)研究了基于LSTM循环神经网络的高速列车转向架健康状态预测。构建能够反映列车监控状态的健康因子曲线，以均方根值和峰度值作为HI训练LSTM预测模型，以实时数据更新预测模型，准确预测列车实时健康状态，并以均方根误差RMSE和绝对均值误差MAE评价预测算法性能，验证预测算法的有效性和鲁棒性。 |
| 作者： | 刘佳龙 |
| 专业： | 机械工程 |
| 导师： | 任朝晖 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东北大学 |
| 学位年度： | 2019 |
检索历史
应用推荐
