一种动态加权模糊聚类算法的研究

针对模糊C均值聚类（FCM）算法选取初始中心具有随机性这一缺陷,利用遗传算法优化FCM算法,根据适应度函数动态确定交叉、变异算子,从而选取最优初始中心,避免FCM算法陷入局部极小;针对FCM受噪声点、孤立点影响较大的缺陷,利用LOF加权降低数据噪声点对聚类的影响,并将FCM聚类、遗传算法、加权策略相结合,提出一种新的动态加权模糊聚类算法。经UCI通用数据集验证,优化后的聚类算法可以有效提高聚类质量和准确度。     

地铁列车牵引系统状态评估方法研究

充分挖掘现场故障统计数据,提出一种地铁列车牵引系统状态评估方法。首先基于牵引系统故障树建立层次分析模型,构建各层级评判矩阵并确定权重,然后计算牵引系统各模块基本事件的灰色聚类系数,完成对系统模块层的状态评估,最后利用各模块聚类系数构建牵引系统模糊综合评判矩阵,采用模糊综合评判法对牵引系统整体的健康状态进行评估。结果表明,牵引逆变模块和牵引控制单元板卡是该车型地铁列车牵引系统的薄弱环节,应作为检修与维护中的重点对象。该评估方法综合利用故障树—层次分析法确定权重,降低了人为因素的影响,其评估结果可为地铁列车牵引系统主动维护和检修提供有效依据。     

基于模糊聚类的城市轨道交通车辆系统划分与故障统计分析

为保障城市轨道交通车辆安全可靠运营,对车辆在运营过程中积累的故障数据进行统计分析,挖掘故障规律。依据功能-原理-结构原则构造城市轨道交通车辆子单元的相关矩阵,并采用模糊聚类算法对城市轨道交通车辆进行系统划分。根据故障数据筛选原则进行数据预处理,并以所划分系统为基础进行故障数据分类统计分析,采用故障主次图、故障趋势图和故障点分布图综合展示分析结果。以某地铁公司一线路为例,进行车辆系统划分和故障统计分析,并给出对应的车辆故障点分布图,展示该线路车辆故障分布情况。     

基于模糊神经网络的牵引变压器全局故障诊断方法

在传统的油中溶解气体分析方法的基础上,利用模糊神经网络强有力的关系处理能力,研究提出牵引变压器全局故障诊断方法.依据模糊神经网络理论,通过对数值逻辑故障诊断模型和物理逻辑故障诊断模型2类模糊神经网络故障诊断模型的分析,考虑信息采集节点的向量特性、变化趋势特性以及模糊神经网络的反馈特性,给出牵引变压器全局故障诊断模型,以故障征兆特征变化趋势表征故障征兆与故障类别间的因果关系,确立增益参数、权系数判定矩阵与决策矩阵.试验结果表明:该方法能够更好地分析牵引变压器各类故障产生的原因,明确故障特征类型,避免用单一特征数据集诊断牵引变压器故障带来的局限性,可以提高故障诊断的准确率.     

地铁牵引控制单元TCU故障诊断建模与应用

绘制并分析了地铁牵引控制单元TCU的故障机理图，根据分析结果建立了TCU系统以多重复合函数为基础的故障诊断数学模型。根据该模型建立了故障诊断专家系统。运用模糊数学知识对故障诊断过程进行优化，提高了诊断效率。     

地铁车辆牵引电机过电流原因分析

西安地铁二号线车辆在运营期间牵引控制多次出现电机过电流故障,从牵引电机矢量控制的基本原理入手,经过多次车辆动态试验并深入分析故障数据,修改控制软件后,跟踪数月故障未再现,结果表明更新软件后的控制系统有良好的动态性。     

考虑冲击限制的地铁列车牵引计算算法

地铁列车牵引计算往往沿用铁路列车的牵引计算方法,忽略了地铁车辆对控制加速度的"缓变式"处理过程,给牵引计算的控制加速度、速度和运行时间计算带来偏差。给出了考虑冲击限制情况下,地铁列车最大能力运行及节能运行时的牵引计算算法,并采用实际列车和线路数据对算法进行了验证。计算结果表明,考虑冲击限制的地铁列车牵引计算算法可以提高牵引计算中列车速度、加速度和时间的仿真精度,使速度和加速度的仿真计算结果更符合地铁列车运行实际,区间运行时间的计算精度可提高2%以上。     

牵引变电站接地网故障诊断方法研究

随着高速铁路的发展,牵引变电站接地网规模不断扩大,接地网诊断模型逐渐复杂,传统的优化算法在诊断接地网时,易出现局部最优,不收敛等问题。文章主要详细介绍现代算法中的遗传算法和粒子群算法,并对这2种算法与传统优化算法在接地网故障诊断中的应用进行比较和分析。通过分析牵引变电站接地网的工作特点及其腐蚀故障原因,在普通接地网腐蚀故障诊断方程的基础上,建立了牵引变电站接地网腐蚀故障诊断方程。结果表明:现代优化算法较好地解决了传统优化算法易出现局部最优,不收敛等问题,可以诊断出接地网腐蚀甚至断裂的故障支路位置和故障程度,提高了牵引变电站接地网腐蚀故障诊断的精度。     

地铁车辆牵引系统控制方式的比选

文章对地铁车辆牵引系统3种控制方式进行比较,对3种控制方式从车辆故障运行能力及冗余性,车下设备布置,与空气制动系统的配合,对扩编的影响和维护成本等多方面进行了分析,提出了地铁车辆牵引系统控制方式选择的建议。     

基于模糊穴映射方法的牵引变压器全局故障诊断

针对基于DGA的牵引变压器故障诊断方法中的不足,提出一种基于模糊穴映射方法的牵引变压器全局故障诊断方法。此方法在DGA分析基础上,增加了组件电阻、电流等多种故障信息,通过DGA与模糊穴映射方法的融合,实现牵引变压器故障的全局诊断。试验结果表明：这种方法对于牵引变压器全局故障诊断而言,可以更好地分析各类故障产生原因,明确有效输入与故障特征类型,避免单一特征数据集对牵引变压器故障诊断的局限性,具备可行性、高准确率。