地铁道岔电气故障的诊断方法及软件系统构建

地铁道岔故障处理一直是信号系统的重点工作。为构建道岔故障诊断系统,根据道岔故障类型,针对道岔电气故障展开了研究。通过对道岔启动电路、道岔表示电路原理的分析,确定道岔故障诊断所需的采集点和采集内容,研究汇集了一组道岔故障现象及故障定位的故障数据库,可对道岔三相电缺相故障、道岔启动电路故障、道岔表示电路故障进行有效定位,以方便故障排查,为道岔故障诊断系统的构建奠定了基础。     

基于DSP的双桥并联可控整流电路故障诊断系统

对双桥并联可控整流电路各种故障情况下的整流电压波形进行详细分析和归类,定义T5个“面积”表达式以建立故障模型,提出了一种基于谱分析的DSP故障诊断方法并研制出DSP诊断系统对整流装置进行在线故障诊断,最后归纳出故障诊断的试验算法并总结了本方法的特点。     

基于模糊神经网络的数据通信子系统全局故障诊断

基于模糊神经网络理论,提出一种基于模型构建的数据通信子系统（DCS）全局故障诊断方法。全局故障诊断模型的输入空间由故障征兆集组成,诊断过程由全局故障诊断规则实现,输出空间由故障类别集组成。基于对DCS系统结构的分析,选取了一些关键设备信息作为故障征兆信息。将故障征兆信息中的物理向量分析转化为算术数值判断,创建决策矩阵,构建全局故障诊断规则,实现了故障类别综合判定,从而完成全局故障诊断模型构建。以工程实例中的DCS典型故障类别为验证对象,对全局故障诊断模型进行了试验验证。该方法丰富了DCS故障诊断方法,总体精度可达到91．29％。     

铁路信号设备故障诊断专家系统知识库的研究

针对我国铁路信号设备故障的特点,基于诊断和专家系统的理论与方法,对铁路车站信号设备故障诊断专家系统的知识库进行设计分析。通过对铁路车站信号设备的常见故障进行具体分析,以辅助开始继电器电路为例,阐述了知识的收整、表示、存储等建库方法,为通过人工智能方法建立和开发我国铁路信号故障诊断专家系统提供重要依据。     

基于模型诊断和专家系统的牵引变压器故障诊断研究

针对现有专家系统在故障诊断中存在的问题,提出将基于模型诊断的方法应用于牵引变压器故障诊断中.将故障分为潜伏性故障和电气回路故障两类,对于前者,将专家系统和基于模型的诊断方法相结合,充分利用两者的优势对变压器故障进行诊断,并给出具体实现过程;对于后者,直接利用模型诊断的方法,建立以电压、电流为变量的牵引变压器结构和功能的两层抽象模型,利用观测位置的不变性,将诊断分为离线和在线诊断两部分,对牵引变压器故障进行诊断.通过实例仿真获得故障数据并应用模型诊断推理,验证了基于模型诊断的方法应用于牵引变压器故障诊断的可行性和有效性.     

基于最小二乘支持向量机的轨道电路故障诊断方法

为提高轨道电路故障处理效率和正确率,对轨道电路的多故障诊断方法进行研究。建立基于最小二乘支持向量机的轨道电路故障诊断模型,用某轨道电路实测数据进行训练和测试,选择基于BP神经网络的故障诊断方法进行对比。结果表明:基于最小二乘支持向量机的轨道电路故障诊断方法能有效实现轨道电路5种故障的诊断,且具有更快的运算速度。与BP神经网络故障诊断方法比较,故障诊断正确率提高了17.14%,运算时间减少2/3。     

树型电网单相接地的多频法故障诊断

基于分布参数电路理论，针对中性点不接地三相系统特点，提出了树型配电线路单相接地的多频法故障诊断大量故障诊断的计算机模拟和在故障模型仿真线上的模拟故障诊断试验表明，方法有效。     

基于LKJ数据分析的机车速度传感器智能故障诊断

针对目前人工利用LKJ数据进行机车速度传感器故障诊断存在诊断效率低、诊断时间较长、对数据分析人员经验依赖程度高的缺点,将加权K近邻分类器引入基于LKJ数据的速度传感器故障诊断中。通过分析几种故障的产生原因,结合专家经验,并对不同故障类型的LKJ数据进行数据分析,总结出4点故障规律,由此得到故障特征向量。通过计算机仿真验证,根据LKJ数据用于机车速度传感器故障诊断的WKNN诊断方法是有效的,具有较高的故障识别率以及较短的故障诊断时间,较人工故障诊断方式提高了效率。     

基于共振解调模拟电路的滚动轴承早期故障检测性能研究

共振解调模拟电路是滚动轴承故障诊断中最常用的技术之一,但是其故障检测性能的定量评价研究尚未见报导。因此,分别以正弦调制和脉冲调制所构造的故障轴承振动加速度信号为电路输入,定量分析了共振解调电路在不同信噪比条件下的故障检测性能,并研究了电路中的关键设计参数——带通滤波器品质因数Q的调制规律,为共振解调模拟电路在轴承早期故障检测的实际工程应用提供了可靠的科学依据。     

基于邻相电流的逆变器功率管与电流传感器故障诊断方法

作为牵引逆变器的关键器件,功率管与电流传感器分别在能量转换与系统控制中扮演着至关重要的角色。然而,在恶劣多变的工作环境下,功率管与电流传感器会出现不同程度的老化或失效,从而引发故障。功率管开路故障与电流传感器零输出故障在某些情况下不仅具有相似的故障特征,而且极易给系统带来严重的后果,其故障诊断是当前的研究重点。目前,仅有少部分故障诊断方法对这2类故障的联合诊断进行了研究,且这些方法尚未考虑牵引逆变器两电流传感器方案下的故障诊断,容易出现故障误诊或漏诊等问题。针对牵引逆变器两电流传感器方案下的复合故障诊断问题,提出一种基于邻相电流的故障特征提取与诊断方法。该方法首先分析两相电流信号在功率管与电流传感器故障下的变化,从而推导故障相电流与邻相电流的准确数学模型。在此基础上,对邻相电流进行平移变换与坐标重构,得到具备故障辨识能力的邻相电流轨迹数学模型。将该模型与已有的电流轨迹相结合,可以对功率管单管开路故障、双管开路故障以及电流传感器零输出故障进行有效区分。验证结果表明,提出的方法在电机处于不同运转状态下是有效、可行的,对于有限电流信号下的牵引逆变器故障诊断具有较好的参考价值。     

基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断

针对轨道车辆的滚动轴承故障诊断问题,提出了一种小波包与RBF神经网络相结合的故障诊断方法.首先对采集到的振动数据进行小波消噪,然后利用小波包分解提取故障信号的能量特征向量,最后利用提取的能量特征训练RBF神经网络,进行故障诊断.诊断结果表明,基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断方法能够较好的诊断出轨道车辆的轴承故障类型,具有一定的实际应用价值.     

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。     

地铁车辆转向架轴承故障诊断方法研究

地铁车辆转向架轴承状态对车辆的安全运行至关重要。现有地铁车辆转向架轴承的监测与诊断存在智能化程度低、准确性差等不足。针对此不足,对地铁车辆转向架轴承故障模型进行推导,提出一种地铁车辆转向架轴承故障智能诊断方法。该方法根据转向架轴承径向振动加速度信号,采用小波包-包络分析和故障识别搜索算法,诊断轴承故障及故障类型。为了验证所提出方法的有效性,设计并搭建了轴承故障诊断试验台,基于此试验台对广州地铁车辆转向架故障轴承进行了测试。试验结果表明:所提出的转向架轴承故障诊断方法能够准确识别轴承故障,为地铁车辆转向架轴承故障诊断的自动化、智能化提供了新思路。     

基于组合模型的轨道电路复杂故障诊断方法研究

由于轨道电路的性能受环境因素的影响较大,其故障的发生具有较大的随机性和模糊性,而单一诊断方法因考虑角度的片面性以及知识库的不完善性,往往很难满足轨道电路故障诊断的实际需求。鉴于单一诊断方法存在的不足,本文根据模糊故障诊断法、遗传算法和灰色系统理论3种诊断方法各自的诊断结果,构造最优组合模型,对25Hz相敏轨道电路进行故障诊断。诊断结果表明,利用组合模型对轨道电路故障进行诊断可以克服单项诊断方法信息单一、诊断片面等不足,具有更高的故障诊断准确度。     

铁路信号非线性系统故障诊断方法研究

基于二值逻辑的故障诊断方法将系统状态分为正常状态和故障状态。本文针对介于正常状态和故障状态之间的中间状态,提出一种基于模糊逻辑和粒子滤波的非线性系统故障诊断方法。模糊逻辑可以描述非线性系统的故障渐变过程,而粒子滤波可以评估系统状态。通过比较不同故障等级的实际系统状态与系统评估状态,所得到的残差可作为故障诊断标准。以某型铁路信号控制系统的非线性系统为研究对象,利用不同开关状态模拟各种系统故障,仿真结果表明:该方法比传统二值逻辑故障诊断方法的精度更高,且诊断结果能够体现系统故障等级,较准确地反映系统实际故障情况,可以提高信号系统故障诊断的准确性。     

基于粗糙集和模糊推理的高铁扼流适配变压器故障诊断研究

文章梳理了扼流适配变压器故障模式和类型，完成了室内电路搭建及故障数据采集；选用粗糙集理论进行决策规则提取，在保持分类能力不变的条件下，去除监测数据表中大量的冗余特征，并提取出简明决策规则；进一步结合模糊推理，确定适用的隶属度，实现高正确率的故障诊断；最后，利用实际数据对此诊断方法的效果进行了验证，诊断正确率为92.5%，满足实际需求。     

基于小波包分解和集合经验模态分解的列车转向架轴承智能故障诊断方法

提取故障特征不理想、诊断速度慢等是目前现有列车转向架轴承故障诊断方法存在的主要不足。本文提出了一种列车转向架轴承故障的智能诊断方法。该方法将小波包分解和集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)结合在一起,充分提取信号故障特征,并利用能量判别法和故障识别搜索算法进行故障模式识别,进一步提高了故障诊断速度。为了验证该方法的有效性,构建了轴承实验台,测试分析了广州地铁列车3种故障状态的转向架轴承。实验结果表明,该方法能够充分提取故障特征,迅速锁定搜索频段,准确识别轴承故障,提高了列车转向架轴承故障的诊断速度和准确性。     

一种改进的地铁车辆转向架轴承故障诊断方法

转向架轴承故障特征极容易受到轮轨激扰和环境随机噪声的影响。现有地铁车辆转向架轴承故障诊断方法存在故障特征提取困难、诊断准确率低等不足。为此,提出一种故障诊断方法。该方法首先对采集的振动信号进行降噪预处理,并利用小波包分析法将其分解为多个频带,基于峭度指标自适应调整各频带包络分析和故障搜索的顺序,快速、充分地提取轴承故障特征。建立轴承测试台,使用广州地铁公司提供的转向架轴承对所提出的方法进行实验验证。测试结果表明,经过预处理后,轴承的故障特征更加明显,提出的转向架轴承故障诊断方法能够准确、快速地诊断轴承的故障状态。     

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。     

辅助变流器故障诊断技术

介绍了一种应用于辅助变流器的故障诊断技术,重点分析了辅助变流器主电路及该故障诊断技术的硬件及软件构成。该技术已应用于多种辅助变流器上,实际运用表明该技术可有效帮助分析辅助变流器故障,实用、可靠。