原文传递
基于VQ/DTW的列车运行数据健康管理
| 论文题名： | 基于VQ/DTW的列车运行数据健康管理 |
| 关键词： | 铁路运输;列车运行数据;健康管理;分段有序矢量量化算法;动态时间弯折算法 |
| 摘要： | 随着我国高速铁路事业的蓬勃发展，列车的安全可靠性日趋重要。列车运行数据能够反映列车设备的工作状况，受环境因素的影响，对列车运行数据缺乏准确判断和健康分析，从而造成列车安全隐患和运行效率的降低，同时也对列车的维护检修造成困难。 健康管理技术经过几十年来的研究和应用，在航空航天和卫星系统的状态监测和元部件故障诊断领域得到长足的发展。本文以状态检修为突破点，引入了列车运行数据的健康管理概念。状态检修能够尽早对列车的潜在故障实现监测和识别，同时对列车设备的工作状态能够进行健康管理和故障预测。采用健康管理技术，将传统的状态监测和故障诊断转变为基于智能算法的综合管理，为列车的高效运营维护提供了技术基础。 根据列车运行数据的实际需求，综合历史监测数据以及列车测试数据，本文重点进行列车运行数据的状态监测和故障诊断研究，设计实现了实时性高、准确度高、适用面广的列车运行数据健康管理平台。同时，结合语音识别与模式识别的相似性，将语音信号处理领域的两个成熟算法VQ和DTW引入列车运行数据的健康管理领域。 基于VQ/DTW的列车运行数据健康管理平台，能够实现在线的状态监测、故障诊断和故障预测，保证列车安全高效运行。同时能够结合列车设备参数，将性能测试和日常运行产生的大量历史检测数据和历史统计数据进行相应分析综合，作为模式库中的参考样本，用于实时数据的比对和匹配。 针对列车运行数据可能出现的跳变、缺失、噪声、冗余等异常数据，进行相应预处理后，采用VQ作为训练方法，将大量历史数据进行迭代训练后所得的最优码本作为模式库中的参考样本。然后，运用DTW将实时列车运行数据与参考样本比对，求出动态规整距离，作为两个时间序列相似度的量化指标。依据历史统计数据以及相似性比对的结果，得到列车状态监测和故障诊断结果，从而确定列车设备的工作状态，大大减少了误报漏报率。 结果表明，基于VQ/DTW的列车运行数据健康管理的实时性和准确性能满足高速列车的实际需求，有效消除了列车运行数据的测量噪声和跳变的影响，保障列车安全高效运行，具有较高实际运用价值。 |
| 作者： | 王玉珏 |
| 专业： | 交通信息工程及控制 |
| 导师： | 穆建成 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
相关文献
检索历史
应用推荐
