原文传递
轨道车辆车门系统性能退化诊断与部件寿命预测技术研究
| 论文题名： | 轨道车辆车门系统性能退化诊断与部件寿命预测技术研究 |
| 关键词： | 轨道车辆车门系统;性能退化;故障诊断;寿命预测;特征选择;多核支持向量机 |
| 摘要： | 车门系统是轨道车辆中与乘客交互最密切的子系统之一，其可靠性不仅关系着车辆运营效率，更和乘客生命安全息息相关。然而，车门系统结构比较复杂、机电部件紧密耦合、工作强度高、外在干扰多，车门系统一直是轨道车辆中故障率最高的一个子系统。对车门系统的性能退化状态进行监测诊断，能有效预防车门功能性故障的发生，对降低车门故障率、提高轨道车辆安全性和可靠性具有重要意义。 随着计算机、通讯和传感器技术的不断发展，海量数据的采集和存储变为可能。轨道车辆车门系统在日常运营中积累了大量状态数据，数据驱动的状态监测、故障诊断和寿命预测研究具备了良好的基础。本文以城轨车辆中最常用的电动双开塞拉门系统为研究对象，基于车门系统的海量数据，开展车门系统性能实时诊断与关键部件寿命预测技术的研究。主要工作包括以下三个方面。 首先，本文总结了电动双开塞拉门系统常见故障和性能退化模式，针对车门数据特点，完成了数据预处理以及基于多种智能算法的特征提取与特征选择，构建了车门故障与退化的特征库，为后续的性能退化诊断与寿命预测提供了有效的特征库。 然后，本文分别研究了基于无监督和有监督算法的车门系统性能退化诊断方法。针对正线运行无标签的退化车门筛选问题，建立了一种基于密度峰值聚类(DensityPeakClustering,DPC)的性能退化诊断方法；在筛选出性能退化车门的基础上，开展退化类型的智能识别，通过引入线性合成核方法，建立基于多核支持向量机(Muti-Kernel-SupportVectorMachine,MK-SVM)和粒子群优化(ParticleSwarmoptimization,PSO)的车门性能退化诊断模型。在正线车门上的应用结果表明，本文提出的两种方法能够高效筛选出退化车门并准确识别出车门的退化模式。 最后，针对车门系统中典型的渐发性退化部件，以滚动销为具体实例，开展数据驱动的部件寿命预测方法研究，通过数据融合算法获得可以表征部件健康状态的退化特征，并通过Elman神经网络识别滚动销目前的磨损程度，再根据前期累积的数据调整剩余寿命预测曲线，实现准确的滚动销剩余寿命预测。在实验台架上的应用结果表明，预测精度达95%以上，满足工程需求。 |
| 作者： | 马萧萧 |
| 专业： | 控制工程 |
| 导师： | 陆宁云 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京航空航天大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
