原文传递
城轨列车悬挂系统故障诊断研究及其工程实现
| 论文题名： | 城轨列车悬挂系统故障诊断研究及其工程实现 |
| 关键词： | 城轨列车;悬挂系统;故障诊断;支持向量机;模糊极小极大神经网络;算法优化 |
| 摘要： | 城轨列车悬挂系统作为城市轨道交通车辆的关键组成部分之一，对其进行实时的状态监控与故障诊断，不仅可以提高城轨列车运行的安全性与可靠性，而且能够大幅减小由于定期检修而产生的费用，具有重要的意义。 本论文依托国家863项目“城市轨道列车在途监测与安全预警关键技术”课题3“基于传感网的列车关键设备在途故障诊断技术及系统研制”(课题编号:2011AA110503)中的任务6“城轨列车系统综合分布式故障诊断系统研制”，系统研究了城轨列车悬挂系统的故障分离算法，并对故障诊断的具体工程实现进行了研究和探讨。本论文的研究内容主要包括以下几部分。 (1)城轨列车悬挂系统故障特征提取。 本部分主要研究城轨列车悬挂系统的组成及其功能，指出悬挂系统发生故障的主要元件及其故障类型，并对故障分离要用到的各种故障特征进行了阐述。 (2)基于支持向量机(SVM)技术的列车悬挂系统故障分离研究。 本部分针对列车悬挂系统元器件的故障分离技术问题，系统地研究了SVM故障分离方法，并将SVM算法应用到城轨列车悬挂系统故障分离中。研究发现，通过使用高斯RBF作为Kernel函数，使得SVM在故障分离中获得最佳的性能表现。 (3)基于模糊极小极大神经网络（FMMNN）技术的列车悬挂系统故障分离研究。 本部分系统地研究了FMMNN故障分离方法，并将FMMNN算法应用到城轨列车悬挂系统故障分离中。研究发现，对于两类故障问题，FMMNN能获得较高的分离准确度。 (4)故障检测算法和故障分离算法的工程实现。 本部分研究城轨列车悬挂系统故障诊断系统在广州地铁15列车辆上的具体布置，包括系统架构、现场总体结构、软件配置、程序及数据结构说明等。通过分析诊断结果发现，本故障诊断系统能有效地实时检测出列车悬挂系统故障。同时，研究将SVM故障分离技术和FMMNN故障分离技术应用到城轨列车悬挂系统故障分离上。 |
| 作者： | 郭淑萍 |
| 专业： | 智能交通工程 |
| 导师： | 魏秀琨 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
