基于PNN的轨道电路补偿电容故障检测研究

为及时有效地诊断轨道电路补偿电容故障,通过研究ZPW-2000轨道电路短路电流数据,提出了一种基于概率神经网络的故障诊断方法。首先,仿真机车短路电流信号并提取特征参数;然后,引入概率神经网络建立故障诊断模型;最后,通过对特征参数分析,实现故障判定。仿真结果表明:该方法相比误差反向传播算法BP,具有诊断速度快、预测准确率高的优点,具有可行性与有效性。     

基于概率神经网络的S700K转辙机故障诊断方法

转辙机故障对铁路运输安全影响重大。针对转辙机故障原因与现象之间的复杂不确定性关系，提出一种基于概率神经网络的S700K转辙机故障诊断方法。在对转辙机各个状态功率曲线动作原理进行分析的基础上，根据信号不同时域特征参数，对各工作区段的特征进行提取；依据故障现象与故障类型的关系建立概率神经网络模型，以F1-Score作为诊断准确性评价指标，通过测试不同平滑因子对F1-Score值的影响，确定0.019为概率神经网络进行故障诊断最优的平滑因子；最后选择来自某电务段的81组S700K转辙机故障数据作为测试数据，验证了该智能故障诊断方法的可靠性。     

基于小波包和贝叶斯分类的机车走行部滚动轴承故障诊断研究

机车走行部滚动轴承的状况直接关系到机车的性能和列车的运行安全。针对目前机车走行部滚动轴承故障诊断准确率不高、模型构建时间较长的问题,提出一种基于小波包和贝叶斯分类的故障诊断方法。通过小波包变换构造故障特征集,利用粗糙集和主成分分析进行降维,将未降维和降维之后的故障特征集输入到贝叶斯分类模型中实现故障诊断,最后将贝叶斯分类方法和神经网络及最小二乘支持向量机方法进行比较。仿真结果表明,朴素贝叶斯分类方法构建模型的时间更短,分类准确率更高。     

基于多域特征提取与改进PSO-PNN的道岔故障诊断

针对S700K常见的8种故障模式和正常模式所对应功率曲线,提出一种基于概率神经网络(PNN)与改进的粒子群算法(PSO)相结合的道岔故障诊断方法。首先,在9种功率曲线上分别提取时域、频域特征统计量和时频域小波系数,并用主成分分析法降维每个域的特征量,得到特征向量;其次,以3个改进的PSO-PNN做分类器,并对分类器进行训练和预测;最后,3个分类器的预测结果做三取二表决。仿真结果表明:该方法能有效提高道岔故障诊断的准确率,具有良好的容错性。     

基于D-S证据理论信息融合的轨道电路故障诊断方法研究

在闭塞区间主流设备越来越多的采用ZPW-2000A型无绝缘轨道电路的背景下,针对单一故障诊断方法的诊断精度偏低问题,提出基于信息融合的故障诊断模型和故障诊断方法。该方法分别用BP神经网络和模糊综合评判对轨道电路进行故障诊断,然后将这2种方法的诊断结果作为D-S证据理论的证据体,利用神经网络输出和模糊综合评判输出来构造D-S证据理论中的概率分配,最后利用D-S证据理论将BP神经网络和模糊综合评判对轨道电路的故障诊断结果在决策级进行融合,诊断轨道电路是否有故障并判断故障的模式。仿真结果表明:该诊断方法具有较高的故障诊断精度,诊断结论的可信度有明显提高。     

基于主成分分析和概率神经网络的入侵检测方法

针对神经网络在入侵检测的应用中存在入侵数据冗余信息多,数据量大,训练时间长,易陷入局部最优等问题,提出了一种基于主成分分析(PCA)和概率神经网络(PNN)的入侵检测方法。首先使用PCA对数据进行特征降维,解决了入侵数据冗余信息多的问题;然后使用PNN建立入侵检测模型;其次,使用粒子群算法(PSO)解决概率神经网络参数的优化问题;最后使用KDD99数据集对该模型进行测试。实验结果表明:该方法能够有效提高检测的效果,而且检测速度明显提高。     

列车受电弓在线自动检测系统的应用研究

受电弓的状态直接影响列车的运营安全和效率。在日常维护中,检修人员需要对受电弓滑板磨耗程度以及滑板与接触网导线的接触压力进行检测。介绍了一种列车受电弓在线自动检测系统,阐述了其组成、原理和工作流程。该系统可实现对受电弓关键特性参数(如滑板磨耗、中心线偏移、接触压力等)的非接触式检测,提高检修效率。     

基于贝叶斯网络的牵引逆变器开路故障多特征融合诊断方法

为了增强牵引逆变器开路故障诊断方法对于不确定因素的免疫能力,提出一种基于贝叶斯网络的信息融合诊断方法。以牵引逆变器输出侧的电流和电压为信号源,提取小波包熵特征,采用主成分分析法对原始特征进行降维,使用贝叶斯参数估计法融合降维后的特征量,得到信息互补的新的特征向量。利用贝叶斯网络对融合后的新的特征向量进行识别,对不同观测值情况下的最大后验概率估计结果进行信息融合并做出决策,进而完成故障诊断。建立仿真模型,与使用K均值算法的故障分类情况做对比,验证不同转速和白噪声情况下所提故障诊断方法的有效性。研究结果表明:所提方法能够对牵引逆变器IGBT的单管和双管开路故障进行准确检测与定位,能够去除冗余信息和互补有效信息,具有一定的抗干扰能力,准确率高,适应性强。     

电力机车主变流器故障智能诊断系统

对电力机车主变流器的输出电压波形采用能量分布特征提取方法和优化BP算法,提出了基于小波变换和BP神经网络的主变流器故障智能诊断系统。利用该系统对变流器整流元件的开路故障进行了故障诊断仿真,验证了该智能诊断系统的准确性和有效性。     

SOM神经网络在电力机车主变流器故障诊断中的应用

提出了将自组织特征映射(SOM)神经网络应用于电力机车主变流器的故障诊断中.该网络模型结构简单,无需监督,能对输入模式进行聚类.从变流器输出波形中提取数据,利用MAqZAB7.0神经网络工具箱,对其故障进行诊断.试验结果表明,自组织特征映射神经网络具有较好的聚类功能,用于电力机车主变流器故障诊断是准确、可靠和可行的.     

基于FTA与改进神经网络的轨道电路红光带诊断方法

以ZPW-2000无绝缘移频轨道电路红光带故障为研究对象,针对其故障的多样性与复杂性,提出一种基于故障树分析(FTA)与改进BP神经网络相结合的轨道电路智能故障诊断方法。根据轨道电路组成与故障关系建立故障树进行FTA定性分析,分析故障成因并提取故障诊断规则,确定诊断模型的输入输出,构建两个BP神经子网以并联方式联接组成诊断模型,采用LM算法和遗传算法对模型参数进行调整。通过仿真分析,表明该方法可行有效,为轨道电路智能故障诊断提供一种新思路。     

基于SOM-BP混合神经网络的道岔设备退化状态研究

针对道岔设备故障频繁、维修成本高,且现有基于故障数据的诊断方法无法描述道岔退化过程,难以实现故障超前预判的问题,进行基于SOM-BP混合神经网络的道岔设备退化状态研究。依据采集的道岔非故障功率数据按区段提取峰值、方差、峭度等特征参数,基于平均影响值进行特征参数选择,并确定输入维数;使用自组织特征映射(SOM)神经网络对输入特征参数进行多次聚类学习,分析学习结果得到6种退化状态样本数据;构建15-13-6型BP神经网络结构模型,实现对道岔设备退化状态的识别。结果表明,采用SOM-BP混合神经网络进行道岔设备退化状态识别的准确率达到95.56%。     

基于方法组合的轨道电路故障诊断模型

为了解决单一方法对25 Hz相敏轨道电路的故障诊断精度偏低等问题,提出基于最优权值的多方法组合故障诊断模型。首先通过模糊综合评判、灰色关联分析和BP(Back propagation)神经网络3种不同的诊断方法,对轨道电路进行初步故障诊断,然后根据各诊断方法的误判率计算出对应的最优权值,最后对各方法的诊断输出进行最优权值加权平均得到综合诊断的输出结果,确定故障类型。诊断结果表明:组合诊断模型有效地提高了轨道电路故障诊断的准确度,并证明了组合诊断模型的诊断准确度随着诊断方法的数量增加而提高。     

基于粗糙集与模糊神经网络的车-地无线通信设备故障诊断研究

针对传统铁路列车车-地无线通信设备网络故障诊断模型结构复杂,诊断精度不高等问题,运用粗糙集理论(RS)、模糊系统(FS)和神经网络(NN)相融合的方法进行铁路列车车-地无线通信设备故障诊断研究。首先对原始样本数据进行模糊化处理,建立故障诊断样本数据表,基于粗糙集理论对故障样本数据进行约简,去除冗余属性,减少样本输入,然后利用约简后的数据训练神经网络,建立基于粗糙集与模糊神经网络车-地无线通信设备故障诊断系统模型结构;最后,将该模型运用于故障诊断中。试验结果对比表明,此方法简化了网络的结构,缩短了训练所需要的时间,提高了故障诊断的精度,从而验证了该方法的可行性。     

动车组受电弓可靠性数据分析

为研究动车组受电弓在不同运营阶段的故障分布规律,文章以CRH3型动车组受电弓在不同运行阶段的两组故障数据为基础,运用最小二乘法分析故障数据的分布规律。计算结果表明,动车组受电弓故障数据服从威布尔分布;动车组受电弓在早期运营阶段故障率高,后期运营阶段故障率逐渐降低。本文的分析结果可以为不同运营阶段的动车组检修与故障预测提供理论依据。     

粒子群优化的神经网络在齿轮故障诊断中的应用

针对BP神经网络容易陷入局部极小及收敛速度慢的问题,本文利用粒子群优化算法代替BP算法中的梯度下降法训练神经网络的权重和阚值,有效地改善了BP网络诊断性能;利用训练后的神经网络对齿轮进行了故障诊断,并比较了基于粒子群优化算法与BP算法的诊断结果,通过仿真实验表明:无论是在诊断速度上还是在诊断精度上,PSO-BP神经网络诊断性能都比单独的运用神经网络有很大提高.     

基于小波分析的光伏并网逆变器故障诊断

针对光伏并网逆变器的故障检测与智能在线诊断问题,提出了一种C3C3逆变器故障特征提取方法。该方法以逆变器输出三相电流的小波分析结果作为判断依据,将故障信号的近似分量和细节分量相结合作为故障特征向量,利用神经网络的分类功能,实现对光伏并网逆变器的故障诊断。该方法无需电压信号和人工参与,硬件实现简单,且抗干扰性强。仿真实验结果证明了该方法的有效性。     

SA-BP神经网络在轨道电路故障诊断中的应用研究

针对25 Hz相敏轨道电路故障的复杂性,提出一种模拟退火(SA,Simulated Annealing)算法与BP神经网络相结合的故障诊断方法。发挥SA算法全局寻优的特点来优化BP神经网络的学习过程,避免网络训练时间长和陷入局部极小值;通过Matlab进行仿真分析,结果表明,将该方法应用于轨道电路故障诊断,可有效提高故障诊断效率和准确度。     

基于粗糙集理论和FCM的轨道电路故障诊断模型

由于轨道电路数据多且其维数高,这往往会导致所选特征之间存在冗余和相容性的问题。基于主分量启发式算法,引入相容度概念,并提出一种改进的主分量启发式属性约简算法,提取初始数据的主要特征属性来降低样本的维数。同时将模糊认知图概念引入到轨道电路故障诊断中,利用最小二乘法完成模糊认知图节点间权值的选择,最后根据权值建立轨道电路诊断模型并对预处理的样本进行训练和分类。实验结果表明,与单独的FCM分类器相比较,加入属性约简算法后, FCM分类器可提高分类性能,与采用人工确定权值的FCM方法对比,最小二乘法提高了FCM分类的精度。     

弓网受流性能测试数据分析系统研究与实现

在分析弓网受流性能测试系统主要参数的基础上,搭建弓网受流性能测试数据分析系统,包括网络数据接收、数据库存储、波形显示处理和数据分析4个模块。通过各模块功能的实现,完成弓网受流性能测试数据的分析、处理,用以改善弓网受流性能,指导接触网状态检修。