共查询到20条相似文献,搜索用时 31 毫秒
1.
动车组列车大多配备TDDS(列车振动监控系统)对车辆运行中的振动状态数据进行记录、分析,以及对齿轮箱振动监控异常数据进行预警、报警提示。分析了某型动车组运行中的一次振动预警数据,对TDDS的阈值选取及工作原理进行了介绍。同时通过数据分析手段得出此次异常振动原因,并确认了故障位置。 相似文献
2.
《铁道机车车辆工人》2019,(3)
TEDS作为动车组运行途中状态监控的一种手段,在各铁路局均有成熟应用,通过图像对比的方式,发现故障时系统能够自动预警。目前,TEDS报警的准确率只有十万分之二左右,不能满足日常要求。文中通过对深度学习技术的研究,选择适合TEDS图像识别的模型,提升TEDS故障预警的准确率。 相似文献
3.
《铁路通信信号工程技术》2016,(2)
为实现动车组各类型ATP运行记录数据文件自动智能、综合分析,自动给出列控设备故障的分析报表,并建立列控设备故障库,实现列控该设备隐患的预警管理,研发相应的动车组ATP运行记录数据分析系统,并对现场应用状况进行总结。 相似文献
4.
动车组客室空调良好的制冷效果是旅客舒适度和动车组稳定有序运行的重要保证,但客室空调故障的发生具有突发性和隐蔽性特点,给空调系统的日常检修维护带来极大困难。采用BP神经网络算法建立客室室温预测模型,并运用Matlab编程计算实现客室室温理论预测。根据预测模型在CRH380B(L)型动车组客室空调系统中的实际验证情况,制定客室空调故障识别与预警的阈值、规则和等级,为后期客室空调系统故障自动识别与预警系统的开发奠定基础,完善动车组客室空调故障识别和预警机制,对动车组客室空调故障的在线实时识别与潜在故障的预警具有重要意义。 相似文献
5.
6.
7.
8.
9.
为进一步提升城轨信号系统的运营服务与故障管理能力,视故障情况进行主动维修,对影响运营服务水平的故障开展预警与管理研究。阐述国内外故障预警与管理现状,构建基于数据驱动和模型相结合的故障预警与管理框架,通过收集与梳理现场故障、报警、日志、设计等输入数据,以及故障逻辑模型构建、故障特征参数分析、故障评估模型构建、故障事件与运行状态构建等过程,对数据进行分析,确定故障预警机制,最终给出建议性的故障预警维修措施,为信号系统电子设备的故障预警与主动维修提供一种新思路。 相似文献
10.
游进 《轨道交通装备与技术》2023,(2):29-33+36
针对动车组空调系统难以建立准确的模型进行故障检测的问题,采用主成分分析法对空调系统采集的大量运行数据进行特征提取,建立动车组空调系统主元模型,通过平方预测误差统计量指标进行故障检测。并使用运用中采集的蒸发器脏堵、制冷剂泄漏、传感器异常等故障数据进行了检测测试,取得了良好的效果。 相似文献
11.
对动车组转向架系统开展智能化故障诊断和健康管理研究。从转向架系统的故障机理出发,研究转向架系统的故障预测与健康管理技术,建立转向架故障诊断与健康管理系统,开发转向架关键系统智能监控分析平台,实现转向架系统的故障预测、实时监控、故障显示及健康评估。通过对转向架系统的故障预测与健康管理,可提高转向架系统的检修效率,降低故障率和平均检备率,提高转向架系统的可用性,降低转向架系统的维护管理成本。 相似文献
12.
13.
智慧空调技术作为城市轨道交通车辆智能化运营的重要技术手段,主要根据车辆运行环境数据来调整空调运行模式,进而改善车内舒适度,对空调机组运行状态进行实时监测及关键零部件故障预警,实现空调机组的智能化健康管理,提升空调运营维护效率。智慧空调系统由车辆空调、车载网络及PHM(故障预测与健康管理)地面支持系统结合搭建而成,通过传感器来监控车辆空调使用环境数据,并自适应性调节空调运行状态以改善车内空气质量。在故障预测及健康管理方面,智慧空调技术通过搭建诊断模型,采集并传输空调机组运行状态数据,实现对空调机组多发性故障的及时预警,对关键零部件使用寿命进行老化预测并采取相应的健康管理措施,进而保障空调机组的安全运行。在车辆的维修维护中,智慧空调技术结合不同的诊断及预警模型数据,合理制定空调机组修程,将空调机组故障修与定时修为主的传统维修模式发展为基于安全监控和健康管理的智能化“状态修”模式。 相似文献
14.
15.
基于我国动车组实际运用状况,按照故障后果危及动车组运行安全的严重程度,将动车组故障划分为安全类故障、运用类故障、隐患类故障和一般类故障;依据可靠性理论和现场数据统计分析,验证了动车组整车可靠性服从指数分布的规律;提出了将动车组整车故障率划分为10级的建议。依据可靠性抽样检验理论,计算不同置信度、不同故障率等级要求下的动车组允许故障发生次数和最小累计运行里程,据此给出动车组整车可靠性的验证方法:①根据动车组的累计运行里程、期间发生的故障次数,在一定置信度水平下对其故障率等级进行评定;②针对动车组可靠性验证要求,确定故障率等级,选择动车组参试列数、试验时间、评判准则等参数,制定验证方案。 相似文献
16.
动车组轴箱轴承是动车组转向架的关键部件,其运行品质直接影响动车组的运营安全.以深度学习算法为基础,利用轴承振动信号时间序列的特点和LSTM(长短期记忆网络)擅长处理时间序列的优势,通过构建LSTM模型对轴承的故障状态进行识别,开发了基于深度学习的轴承故障诊断预测软件,实现了轴承故障早期的分类与诊断.模型的仿真和试验表明... 相似文献
17.
动车组运行状态智能检测装备设置于动车段入库线上,主要针对动车组走行部、车顶和受电弓在运用中出现内部缺陷、磨损、损坏及尺寸超限的故障比率问题。实时采集运行列车的底部、侧部和顶部图像,采用故障自动识别策略,对列车的车底走行部、闸瓦、转向架、接触网等与列车有关的各个部件进行动态监控。根据实验和现场使用情况,本检测设备满足铁路机车运行时对走行部和受电弓进行在线测量检测的要求,其中,走行部检测精度可达1 mm,滑板磨耗值测量精度可达0.2 mm。鉴于此,该动车组智能检测装备能及时发现故障隐患,为检修和更换提供依据,保证动车组运行安全。 相似文献
18.
19.