论文题名: | 基于半定量信息的高速列车走行部健康状态评估方法研究 |
关键词: | 高速列车;走行部;健康状态评估;半定量信息 |
摘要: | 走行部系统是高速列车的核心装备,对保障高速列车的安全稳定运行起着至关重要的作用。随着现代化工业技术的迅猛发展,走行部系统的健康管理成为目前研究的热点。健康状态评估和健康状态预测是走行部系统健康管理的重要内容,在走行部的健康管理中发挥着极大作用。由于走行部系统内部具有复杂性、强关联性和非线性等特征,当前还没有一套健全且科学的理论方案用于健康状态评估及预测。针对这一亟待解决的工程问题展开研究,具有重要意义。 走行部系统的内部结构和失效机制具有复杂度高,难以构建精确数理模型。因此,为实现对走行部系统健康状态的精准预测,本文设计了基于半定量信息(结合专家知识和监测数据)的健康状态评估和预测建模方案。所提出方案不仅解决了复杂系统结构和数据匮乏所带来的研究阻碍,同时有效提升了健康状态评估和预测精度。具体内容包括以下两点: (1)针对走行部系统健康状态的精确评估模型难以建立的问题,本文通过半定量信息方法,构建基于置信规则库(Belief Rule Base,BRB)的健康状态评估模型。通过证据推理(Evidential Reasoning,ER)算法融合模型中的规则以实现对知识的推理,使知识的表达方式更接近实际。在建模过程中,属性过多会导致规则组合爆炸,因此,利用典型相关分析(Canonical Correlation Analysis,CCA)算法进行特征选择,以降低模型的复杂度。为了提升模型的评估能力,引入影协方差矩阵自适应策略(Projection Covariance Matrix Adaption Evolution Strategy,P-CMA-ES)优化专家给定的初始参数。实验结果表明,该方法能够对走行部系统的健康状态进行精确评估。 (2)针对走行部系统健康状态的精确预测模型难以建立的问题,兼顾走行部系统动态特性和实时性要求,本文构建了一种基于多层BRB模型的实时健康状态预测框架。首先,在采样数据和专家知识的基础上,由完备的特征集构建多模块的时间序列预测模型;其次,依据特征与系统的匹配度在实际工况中的时变特性,利用灰色关联分析(Grey Correlation Analysis,GRA)算法实现特征的优先级调度,即将优先级高的特征作为下一层BRB的输入。为了提升模型评估的准确性,采用递归期望最大化算法(Expectation Maximization Algorithm,EM)对输入的参数进行优化。经实验验证,该框架能够有效预测走行部的健康状态。 |
作者: | 郭禹宏 |
专业: | 信息与通信工程 |
导师: | 程超 |
授予学位: | 硕士 |
授予学位单位: | 长春工业大学 |
学位年度: | 2022 |