城轨列车悬挂系统故障诊断研究及其工程实现

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。

目录

声明

致谢

摘要

第一章 绪论

1．1 选题的背景与意义

1．2 故障诊断概述

1．2．1 故障诊断基本研究内容

1．2．2 故障诊断技术发展概况

1．3 城轨列车悬挂系统故障诊断研究概况

1．4 本论文研究内容及论文结构

第二章 列车悬挂系统仿真及其故障特征提取

2．1 列车悬挂系统组成及其功能

2．2 车辆悬挂系统的弹簧和阻尼故障

2．3 数据获取和故障特征计算

2．4 本章小结

第三章 基于支持向量机的故障分离方法

3．1 支持向量机概述

3．2 支持向量机算法研究

3．2．1 二元分类

3．2．2 多元分类

3．3 应用支持向量机技术对悬挂系统进行故障分离

3．3．1 积分后的数据

3．3．2 故障特征值

3．3．3 支持向量机故障分离

3．4 本章小结

第四章 基于模糊极小极大神经网络的故障分离方法

4．1 模糊极小极大神经网络概述

4．2 模糊极小极大神经网络算法研究

4．2．1 模糊极小极大神经网络的结构

4．2．2 模糊极小极大神经网络的学习算法

4．3 模糊极小极大神经网络的规则提取

4．3．1 产生开放超盒

4．3．2 进化超盒

4．3．3 提取模糊规则

4．3．4 网络剪枝

4．3．5 使用欧氏距离和隶属函数

4．4 应用模糊极小极大神经网络技术对悬挂系统进行故障分离

4．4．1 积分后的数据

4．4．2 故障特征值

4．4．3 模糊极小极大神经网络故障分离

4．5 本章小结

第五章 悬挂系统故障诊断的工程实现

5．1 车载故障诊断系统构架

5．2 故障诊断系统模块

5．3 系统软件配置

5．4 程序及数据结构说明

5．5 数据分析

5．5．1 加速度数据

5．5．2 特征数据

5．6 故障分离方法的应用

5．6．1 基于支持向量机的故障分离方法

5．6．2 基于模糊极小极大神经网络的故障分离方法

5．7 本章小结

第六章 结论及展望

6．1 工作总结

6．2 研究展望

参考文献

作者简历

学位论文数据集