基于神经网络模式识别的列车折关故障检测

摘要

随着我国列车的不断提速，对列车行车安全的要求也随之提高。制动性能的好坏是影响列车提速的一个关键。折角塞门是列车基础制动装置中的一个部件，一旦被非正常关闭(折关)，从而阻断气体通路使其后车辆的制动系统失灵，在列车需制动时，使空气制动功能受到影响，制动力下降，严重时将造成列车冒进，追尾等事故，使国家物质和人民生命财产蒙受巨大损失。铁道部1988年已将防止折角塞门关闭造成事故问题列为铁路安全的重点攻关项目。 本文首先详细介绍列车空气制动系统，分析其构成和工作原理。在此基础上，引出折角塞门的位置与作用，接着给出折角塞门工作中可能出现的问题以及应对措施，介绍了列车折关检测的原理。针对目前国内所研制的各种折关检测装置，分析其特点与不足，指出列车折关检测的关键技术。鉴于折关检测系统的难于建模性，本文尝试借鉴神经网络模式识别的优势对折关故障进行识别。 神经网络模式识别具有大规模并行协同处理能力、较强的容错能力和联想能力以及较强的学习能力。本文研究了神经网络模式识别系统的一个关键问题，即模式的预处理和特征提取，重点分析了主分量分析(PCA)的理论实现基础K-L变换和实现PCA的方法步骤。在此基础上，接着给出本文核心即BP神经网络模式分类器的实现思想。运用上述研究成果，成功地开发与设计了一个具体的神经网络模式识别系统，即列车折关故障检测系统，借助于MATLAB，用改进的BP算法对研制的样机进行样本训练并完成神经网络结构设计。对样机进行实验室测试得出其运行稳定、故障识别率较高，具有较大的实用价值，表明本文研发成果的有效性。文章最后对检测装置软硬件设计做了重点介绍。

目录

文摘

英文文摘

原创性声明及关于学位论文使用授权说明

第一章绪论

1.1列车折关故障检测研究概况

1.2神经网络模式识别发展概述

1.3神经网络模式识别方法特点

1.4课题来源与研究意义

1.5本文的研究内容及安排

第二章列车折关故障检测原理及关键技术分析

2.1列车制动系统简介

2.1.1列车制动装置

2.1.2列车制动工作过程

2.2折角塞门故障检测原理

2.2.1折角塞门

2.2.2折关故障检测原理

2.2.3折关故障检测关键技术

2.2.4折关故障检测装置研究现状

2.3小结

第三章神经网络模式识别在列车折关故障检测中研究

3.1神经网络模式识别方法与传统模式识别方法的关系

3.1.1神经网络模式识别与传统模式识别方法的关系

3.1.2神经网络模式识别的特点

3.2列车排风数据分析

3.3神经网络模式识别系统的预处理与特征提取

3.3.1模式的预处理

3.3.2模式的变换域特征

3.3.3特征提取

3.4BP神经网络分析与设计研究

3.4.1基于BP算法的多层前馈网络模型及其学习算法

3.4.2BP多层前馈网络的主要能力

3.4.3BP算法的局限性及其改进

3.4.4 BP网络设计

3.5小结

第四章列车折关故障检测BP算法设计及仿真研究

4.1神经网络的高级开发环境

4.1.1神经网络的开发环境及其特征

4.1.2MATLAB神经网络工具箱概述

4.2基于BP神经网络的折关故障识别算法设计

4.2.1数据预处理

4.2.2折关故障识别的BP神经网络算法设计与实现

4.3小结

第五章列车折关故障检测报警装置软硬件设计

5.1电路板设计

5.1.1电路板抗干扰设计

5.1.2电路设计

5.1.3信号处理技术

5.2软件系统设计

5.3 CTD-1型列车折关检测报警记录装置应用

5.3.1装置系统构成

5.3.2装置的操作与运行

5.3.3装置主要功能与性能指标

5.4小结

第六章总结和展望

6.1本文主要结论

6.2有待研究的问题

参考文献

致谢

攻读硕士学位期间参加科研及完成论文情况