原文传递
城市轨道交通信号设备故障辨识与健康状态评估--以转辙机为例
| 论文题名： | 城市轨道交通信号设备故障辨识与健康状态评估--以转辙机为例 |
| 关键词： | 城市轨道交通;信号设备;CNN-LSTM算法;故障辨识;健康评估;剩余寿命预测 |
| 摘要： | 城市轨道交通是我国交通强国建设既定的发展战略，也是新时代现代化交通发展蓝图的重要环节。随着城市轨道交通的快速发展，列车运行速度的不断提高，对信号设备的安全运行提出了更高的要求。转辙机作为信号系统的关键设备，因其所处环境复杂，导致机械故障频发，而传统的故障处置方法难以满足城市轨道交通智能运维的需求。因此开展转辙机故障辨识与健康状态评估方法的研究对提高信号设备故障处置效率、降低维护成本具有重要的理论意义与应用价值。本文的主要工作内容如下： （1）全面分析了转辙机的结构与功能，并对其轴承部件的故障机理进行剖析。ZD6型转辙机是城轨信号系统中最常用型号，首先研究了其结构与功能原理；其次进一步探讨了转辙机核心部件—轴承的故障成因机理及其运行时的振动发生机制；最后介绍了轴承振动信号采集平台，对轴承的9种故障和正常状态下的振动信号数据集进行了介绍。 （2）以转辙机轴承为研究对象，研究深度学习算法应用于故障辨识的基本思想与设计方法。通过分析深度学习中的CNN算法与LSTM算法的基本思想，综合CNN模型能隐式地特征提取及LSTM模型适应学习时间序列的特点，提出CNN-LSTM组合模型进行故障辨识的设计方法，为实现转辙机轴承故障辨识奠定理论基础。 （3）在实现转辙机轴承故障辨识的基础上，建立轴承的健康状态评估模型。由于转辙机轴承不同传感器数据混杂，在健康状态划分的基础上引入传感器融合模型，并结合K-means算法剔除冗余的传感器数据，实现了多维传感器信息与一维健康值的映射关系；参考专家意见，以健康值为标准，将转辙机轴承全生命周期状态划分为：健康—良好—注意—故障。 （4）最后对不同健康状态下转辙机轴承的剩余使用寿命进行预测。因不同轴承在同一故障状态下的健康值退化规律相似，所以通过建立相似性模型提取相似健康值曲线对应轴承的寿命，以曲线相似度为权重对提取寿命加权求和得到剩余寿命预测结果。 （5）通过实例验证基于CNN-LSTM算法的故障辨识模型及健康状态评估方案的有效性。以美国凯斯西储大学实验平台测量的轴承振动信号为研究对象，采用CNN-LSTM算法的故障辨识精度为99%，对良好与注意状态下轴承的剩余使用寿命预测误差在11%以内。 本文研究成果丰富了转辙机故障辨识与健康状态评估的方法，为城市轨道交通信号系统故障辨识及快速响应方案设计奠定基础。 |
| 作者： | 程梦 |
| 专业： | 交通信息工程及控制 |
| 导师： | 曹从咏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
