原文传递
基于独立成分分析的高速列车牵引系统故障诊断方法研究
| 论文题名： | 基于独立成分分析的高速列车牵引系统故障诊断方法研究 |
| 关键词： | 牵引系统;独立成分分析;隐马尔可夫模型;故障诊断 |
| 摘要： | 高速列车牵引系统是由多个部件协同工作的复杂系统，为高速列车提供充足动力。牵引系统的稳定运行是保证高速列车安全和可靠的重要基础，其中一种或多种部件发生故障，将会引起列车的停车、脱轨，甚至造成人员伤亡。因此，对牵引系统的故障诊断方法研究具有重要意义。本文针对高速列车牵引系统，在基于独立成分分析方法的基础上开展了故障诊断工作。本文主要研究内容如下： （1）首先，介绍了三种常用的牵引系统故障诊断方法，并详细阐述了其中效果最好、适用范围最广的基于数据驱动的故障诊断方法研究现状。其次，为了更好的分析牵引系统的运行数据，介绍了牵引系统的基本结构和运行机理，并且分析了几种牵引系统的典型故障。 （2）提出了一种基于动态内独立成分分析（DynamicinnerIndependentComponentAnalysis，DiICA）的牵引系统故障检测方法，该方法考虑了牵引系统数据的非高斯性和动态性，提高了故障检测的能力。首先通过严格的数学推导，将独立成分分析与动态内算法相结合，在理论上验证其可行性。在保证提取的潜变量非高斯性最大的基础上，兼顾了数据中的动态与静态特征。其次，在故障检测阶段，采用Hotelling2T统计量分别对动态空间和静态空间进行监控。当故障发生时，统计量超出阈值并发出警报。最后，在高速列车牵引系统仿真平台上的实验验证了该方法的可行性和有效性。 （3）提出了一种基于DiICA和隐马尔可夫模型（HiddenMarkovModel，HMM）的牵引系统故障诊断方法，在上述（2）的研究基础上，将HMM应用于故障诊断领域。在离线阶段，首先利用DiICA算法提取牵引系统中的动态潜变量，并获得动态潜变量的预测误差。其次，通过Baum-Welch算法对动态潜变量预测误差建立HMM模型，将牵引系统各种运行状态下的数据组成HMM故障库。在在线阶段，将未知的故障数据经过提取动态潜变量的预测误差后，输入HMM故障库。利用前向后向算法输出未知数据最有可能的故障类型，从而完成故障诊断。最后，在高速列车牵引系统仿真平台上的实验验证了该方法的合理性和高效性，该方法故障诊断准确率可以达到98.18%。 |
| 作者： | 王靖坤 |
| 专业： | 电子信息 |
| 导师： | 王红梅;王景阳 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长春工业大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
