原文传递
弓网动态检测评价标准体系的建立
| 论文题名： | 弓网动态检测评价标准体系的建立 |
| 关键词： | 电气铁路;动力列车;弓网检测;模糊聚类;模式识别 |
| 摘要： | 随着我国国民经济的不断发展，发展高速铁路和客运专线是我国铁路现代化建设的必然趋势。我国的铁路电气化迎来了前所未有的快速发展的春天，真正意义上的高速铁路时代已经到来。与此同时，弓网检测车也随之产生。弓网检测车的一个重要目的就是对已投入运行的电气化线路检测接触悬挂的工作状态，以便及时发现隐患，消除各种故障，保证安全运行，以避免弓网故障的发生。大多数故障的发生看似具有一定的偶然性，其实从其运行前的参数就可以知道故障的隐患范围和可能发生的结果。弓网检测的参数既相互独立，又存在必然联系。在许多实际工作中，常常遇到检测参数未超标，但仍存在故障隐患的情况。这就需要综合分析各项检测参数，找到检测参数之间的关系，对评估弓网运行的安全性和机车的高速安全运行会有很大帮助。 本文主要研究内容是建立弓网动态检测标准的体系，把模糊聚类法运用于弓网检测数据中，对铁路第六次大提速以来，综合检测车(动车组CRH2-010)在提速区段检测到的弓网参数数据进行综合分析和研究其参数之间的内在关系，进而拟定出弓网受流性能参数的阀值，引入弓网质量参数，建立包括局部幅值管理方法和区段管理方法的弓网动态检测标准体系。对于局部幅值管理，借鉴模糊C-均值聚类方法在国内外及各领域的研究成果，通过查阅这方面的资料，了解模糊聚类法的基本思想和算法过程，又根据检测数据的特点，提出了利用智能方法--模糊聚类法来分析和挖掘弓网检测数据，寻找出一种合理的弓网受流性能指标和评价准则，根据聚类结果验证了该方法的合理性、有效性。本文在进行聚类分析之前，对各项参数的实际检测数据进行了以下工作：数据文件进行读取、画参数关系图、作数据线性回归、去速度、画数据直方图和提取所需数据，为数据聚类做准备，本文采用模糊C-均值聚类法对预处理后的样本数据进行聚类分析，进而算出各项受流参数的阀值，作为该参数新的评价依据。从算法性能和聚类效果上看，此法具有较好的聚类性能和分类效果，值得在弓网受流性能参数的阀值判定的研发过程中深入研究。最后以跨为单元区段，分段计算单元区段上硬点、接触压力两项幅值的标准偏差，作为区间评判的接触网质量指数，建立完整的弓网动态检测评价标准体系。 |
| 作者： | 梁瑜 |
| 专业： | 应用数学 |
| 导师： | 谌秋辉;刘金朝 |
| 授予学位： | 硕士 |
| 授予学位单位： | 湖北大学 |
| 学位年度： | 2009 |
| 正文语种： | 中文 |
检索历史
应用推荐
