地铁闸机扇门机构故障时间序列预测研究

基于CNN+ LSTM混合神经网络构建故障时间序列预测模型，利用某型号地铁闸机扇门机构的故障数据进行实例分析，并与ARIMA、CNN和LSTM 3种单一预测模型对比。结果表明:CNN+LSTM混合神经网络模型的预测准确性较高，具有良好应用前景，研究成果可用于支持地铁闸机维修计划的制定和优化。     

基于温振融合与深度自编码器的高速动车组轴箱轴承故障诊断模型

因物理监测信息利用不足，动车组轴箱轴承故障诊断存在准确率较低问题。首先，利用高速动车组轴箱轴承试验台获取丰富数据，融合温度特征数据与振动特征数据，并使用主成分分析法进行融合与降维；然后，建立基于温振融合与DAE(深度自编码器)的轴箱轴承故障诊断模型，并通过深度自编码器进行模型训练；最后，用高速动车组轴箱轴承试验台测试集的数据进行模型验证。验证结果表明：与其他对比模型相比，基于温振融合与DAE的轴箱轴承故障诊断模型的诊断准确率更高。     

动车组轴箱轴承在线监测可靠性评估模型研究

针对进行状态监控的动车组轴箱轴承提出了一种在线评估可靠性的新方法:动车组轴箱轴承系统以及部件的退化过程受具有时移的非线性维纳过程影响,该过程作为协变量集成到比例风险模型中用以描述故障时间的危险率;将退化路径和时间轴进行离散化,通过转移概率矩阵获得可靠性量的闭式解;与仅适用于少数退化状态的传统方法不同,该方法只需对转移矩...     

基于多功能车辆总线的机车轴承故障诊断系统

研制开发的基于多功能车辆总线的机车轴承故障诊断系统是通过监测温度和振动信号来对机车走行部轴承进行早期诊断和预警,把组合预测模型引入机车轴承故障预警,使用灰色模型和时间序列模型预测故障增长性趋势和波动性趋势,再将预警值加以综合。给出了诊断系统的硬件结构、软件功能与特点。试验表明所开发的系统有很强的鲁棒性,能有效监测机车轴承故障。     

动车组轴承异音故障诊断与研究

根据动车组高级修统计,轴承系统故障问题主要集中在锈蚀和剥离。目前高速动车组轴承故障监测系统有车载轴温监测系统和TADS轨边声学诊断系统2种,对于故障轴承的判断具有较高的准确率,但在一定程度上也有自身的局限性。针对车载轴温监测系统和TADS轨边声学诊断系统均未检测到的某动车组轴承剥离异音问题,借助该动车组既有车载传动系统监控装置进行振动检测,同时在客室内利用便携式设备进行噪声检测,利用FFT,STFT等技术手段对故障频率进行甄别,找到故障激扰源,这是对轴承故障诊断行之有效的方法。     

CRH3型高速动车组牵引电动机轴承故障分析

牵引电动机轴承故障对高速动车组运营秩序影响较大,从CRH3型高速动车组牵引电动机轴电压产生及电蚀危害出发,分析轴承冷压装的工艺过程,指出冷压装可能带来的质量隐患。提出加热轴承室热套轴承的新装配技术、增加轴承绝缘层厚度、开发陶瓷滚动体轴承,为解决高速动车组牵引电动机轴承烧损故障提供切实可行的技术手段。     

动车组万向轴轴承润滑故障分析及轴承结构设计优化

针对动车组万向轴运用维护过程中出现的轴承润滑不良导致动平衡超标、传动系统异常振动问题,通过万向轴结构及轴承润滑原理分析、故障万向轴运用里程和季节分布、故障万向轴动平衡检测及轴承分解后状态检查、故障轴承油脂理化检测、润滑脂性能评估、万向轴运行工况及轴承运动学分析等手段,得出万向轴轴承润滑不良的原因并提出轴承结构优化方案,为提高动车组传动系统可靠性提出了建议和思路。     

CRH380动车组轴箱轴承故障预警系统

高速动车组在高速运行过程中会发生多种设备故障,使行驶安全面临风险,威胁高速动车的正常运行。其中,属于转向架及其辅助系统的轴箱轴承一旦发生故障,很可能造成车轴热切甚至是脱轨,因此研究轴箱轴承数据挖掘模型和监控预警技术对于保证列车安全运行具有重要意义。通过研究动车组实时轴承温度与外温、速度、轮对里程、轴承位置等特征之间的关系,分析产生轴温过高的原因,并基于RBF神经网络对轴箱轴承的温度建立预测模型,进而设计故障预警系统,为日后的检修维护工作提供指导。     

运用机器示教方法以检测电动机的轴承异常

牵引电动机是驱动电动车组的重要设备,当电动机发生故障时,在最不利的情况下,会导致电动车组不能运行,电动机零件中频繁发生故障的是轴承部件。在早期检测到轴承的异常,可以防范故障于未然,进一步提高动车组的安全性和可靠性。本文介绍了为检测电机轴承异常而开发的结合了倍频带分析与机器示教的异常检测方法,并阐述验证该方法性能的异常模拟试验结果。     

基于改进VMD的高速动车组轴箱轴承故障识别方法

针对高速动车组运行工况复杂、轴箱轴承故障率较高、背底噪声强和故障识别难度大的情况，提出基于改进变分模态分解（VMD）的动车组轴箱轴承故障识别方法。首先，运用能量差法和合成谱峭度法计算最优的变分模态分解关键参数；其次，基于相关系数、谱峭度及奇异值构建的评价参数，选取用于重构故障信号的本征模态分量；最后，对重构后的信号进行傅里叶变换，实现在强背底噪声情况下的故障特征频率识别，并通过模拟数据和真实动车组轴箱轴承试验数据对提出的方法进行验证。结果表明：提出的方法能够有效地在强背底噪声情况下重构带有预设的40或200 Hz故障特征频率的信号，重构后的信号最大程度保留了轴承的故障信息；故障特征频率识别效果好，能够为保障高速动车组的安全运行提供技术支撑。     

基于多源数据分析的TEDS故障识别技术研究

单点运行的动车组运行故障动态图像检测系统（TEDS）故障自动识别功能存在识别准确率不足，误判率高的问题。为此，提出了一种基于多源数据的动车组故障图像识别方法，以联网运行的TEDS数据为基础，结合传统的差异检测法，对不同空间与时间TEDS采集的同一列车图像进行多源数据融合与权重差异计算，实现了动车组车体异常部位的检测。试验表明，该方法建立了更为准确的对比参考源，减少了环境对成像内容的影响，能够提高动车组运行故障自动识别率，降低误报率。     

基于LSTM网络高速列车悬挂系统故障预测方法研究

高速列车悬挂系统安全性对于整车安全运行非常重要,对悬挂系统进行全生命周期状态监测以预测其故障成为不可忽略的研究内容。当高速列车悬挂系统发生机械故障时,产生振动加速度,信号呈现非线性、非平稳特征。文章提出一种基于LSTM网络的高速列车悬挂系统故障预测方法,通过SIMPACK建立某型号高速列车整车模型,获得重要部件在各健康状态下振动信号,以时域指标中均方根值和峰度值指标作为特征构建健康因子曲线,通过LSTM网络对时序数据进行分析预测,为高速列车悬挂系统故障预测提供可行方法,以期为减少悬挂系统故障提供新途径。     

基于人工智能的高铁动车组智能运维数据分析系统的构建

针对高速铁路（简称：高铁）动车组部件故障诊断和预测的业务需求,依托动车组故障预测与健康管理（PHM,Prognostic and Health Management）系统,在基于人工智能的高铁动车组智能运营维护（简称：运维）算法研究平台中构建高铁动车组智能运维数据分析系统。介绍了高铁动车组智能运维算法研究平台的架构,以及高铁动车组智能运维数据分析系统的数据处理流程和关键算法。并以高铁动车组客室空调为例,选取客室空调相关传感器数据进行数据分析,得到影响客室空调健康状况的特征,并对聚类结果进行健康度数据标注,作为客室空调健康评估模型开发的基础。     

基于BP神经网络的动车组智能化控制和诊断研究

为解决因采集数据异常导致的列车控制的误动作和误诊断问题,对基于BP神经网络的动车组智能化控制和诊断方法进行了研究,建立了基于BP神经网络的预测模型,采用列车实际运行数据进行多次训练和参数调整,获取最优网络模型,结合该模型的预测值和实际值得到最终可信值,并融入到现有列车控制逻辑中进行控制和诊断。通过实验验证,采用训练模型的预测结果与实际采集值相比具有较高准确性,能够达到预测效果。实验结果表明,采用BP神经网络模型进行状态预测,并结合相关处理策略进行列车运行控制及故障诊断具有可行性。     

动车组车载信息综合应用系统研究

及时全面掌握动车组运行状态信息、故障信息是提升动车组检修运用水平的重要方法。使用车地通信,能够实时检测动车组运行状态,有效保障动车组的运行安全;对于动车组非实时车载数据的运用,能够有效的提升检修能力,改善动车组检修水平。介绍动车组车载信息系统的发展现状,研究系统总体架构,主要功能及各项关键技术,为动车组车载信息综合应用系统的建设提出了建议。     

动车组安全规律分析系统设计与实现

动车组故障数据呈现体量越来越大,来源日趋广泛,相关信息几何形态增长的特点.为研究动车组安全规律,挖掘海量历史故障的数据价值,基于动车组安全大数据平台,利用多源数据采集、融合处理及大数据机器学习技术,设计了动车组安全规律分析系统架构与功能.目前,该系统已研发完成,并针对CRH380系列动车组进行了安全规律验证.系统的建设...     

机车轴承故障诊断与预测系统

提出基于状态修而研发的机车轴承故障诊断系统。描述系统是通过监测振动和温度信号来对机车走行部轴承进行早期诊断和预警,而且从多个角度同时跟踪几个特征参数,量化轴承故障随时间的发展来预测轴承寿命,引入灰色预测模型故障预报理论。试运行表明:系统先进可靠,能满足机车轴承故障诊断的需求。     

CRH380BL型动车组故障树分析方法浅析

随着我国动车组大量上线运营的时间推移,开始陆续发生各类故障。文章主要阐述了故障树分析法在CRH380BL动车组运行中发生故障后的分析处理流程和方法,以提高动车组故障处理的及时性、有效性及准确性。