地铁车辆牵引控制单元的故障诊断方法

地铁车辆牵引控制单元是地铁系统的核心单元之一,准确判断其故障状态对车辆安全运行至关重要。针对模糊C-均值聚类(FCM)在牵引控制单元故障诊断中的不足,提出了采用入侵杂草算法优化FCM,解决了FCM聚类结果不稳定和容易陷入局部最优的问题。该方法能克服单一故障诊断法的缺陷,同时具备群智能算法搜索全局最优和FCM算法处理模糊信息的能力。通过UCI数据集和地铁车辆实际数据进行仿真实验,结果表明,新方法与传统FCM相比,能获得更优的聚类中心,有效提高了TCU故障诊断的准确性和快捷性。     

蝙蝠算法优化模糊神经网络的25Hz相敏轨道电路故障诊断研究

针对传统25Hz相敏轨道电路故障诊断网络求解时收敛速度慢、诊断精度不高的问题,提出智能蝙蝠算法(BA)与模糊逻辑理论(FS)、神经网络(NN)相融合的BA-FNN模型,优化网络参数,对25Hz相敏轨道电路进行故障诊断。考虑到轨道电路特征参数的不确定性、模糊性,运用模糊逻辑理论对轨道电路特征参数进行模糊化预处理;为了克服传统的BP算法存在易陷入局部极小点和速度收敛慢等问题,引入蝙蝠算法,模拟蝙蝠的飞行过程对模糊BP网络的相关参数进行优化;建立最优BA-FNN模型用于网络诊断。仿真结果表明,相对于GA-FNN、PSO-FNN比较算法模型,BA-FNN模型不仅学习训练次数明显减少,训练时间缩短,且寻优精度较高,可有效提高25Hz相敏轨道电路故障诊断的精度。     

基于支持向量机的牵引供电系统高阻接地故障诊断方法

提出一种利用牵引供电系统电流信号、基于支持向量机(SVM)的牵引网高阻接地故障诊断方法。针对不同位置接地阻抗故障的电流信号,先采用希尔伯特变换和伯格谱估计提取时频特征量和频谱特征量,再构造SVM二分类器,利用交叉验证法对SVM二分类器进行参数优化,形成一个牵引网高阻接地故障分类器。将特征向量组送入SVM分类器中进行处理,能诊断出牵引网高阻接地故障。仿真验证结果表明,该方法在小样本情况下具有较高的分辨正确率。     

基于四维可视化算法的牵引变电所位置优化

针对牵引供电系统设计的复杂性以及传统优化设计方法过程繁琐且很难找到可靠的最优解,粒子群和遗传算法等的迭代过程复杂并且容易陷入局部最优解的问题,将一种四维可视化算法运用到牵引供电系统的优化设计中。四维可视化算法不需要设定初始解、能够同时展现全局最优解的分布、能判断解的稳定性、方便添加约束条件。四维可视化优化算法通过编程使目标函数的最优解集在四维数据场可视化。以接触网对地电压为约束条件,以牵引网有功功率损失最小为目标函数,运用四维可视化算法进行牵引变电所和分区所位置的优化设计。通过实例计算验证了四维可视化算法可有效降低牵引网的功率损失。研究表明该方法能很好地克服传统方法和粒子群等优化算法在牵引供电系统优化设计中的不足。     

改进的道岔智能故障诊断系统建模研究

铁路系统转辙机维修方式仍沿用故障修模式,无法提高故障排除速度和准确性,提出利用改进遗传算法优化贝叶斯网络的方法建立故障诊断模型。利用遗传算法搜索能力强,不易陷入局部最优的特点,采用连接矩阵代替网络结构的编码方式,通过修改适应度函数、更新遗传操作方式、修正非法图等方法改进遗传算法,最终解决贝叶斯网络结构学习算法容易缩小搜索空间及易陷入局部最优的缺点。最后利用标准Asia网络验证本文算法比K2和GA算法有更好的搜索结果和更快的收敛速度,以道岔失去表示故障为例验证改进算法对转辙机故障诊断的优越性。     

高速铁路运行牵引变电站接地安全测量计算分析

高速铁路牵引变电站投运之后其接地网与综合接地系统以及电力系统进线避雷线连接,变电站接地拓扑结构发生巨大变化,此时对牵引变电站的接地安全校验不应仅局限于变电站本身。为研究运行牵引变电站接地安全性,现场测试运行牵引变电站分流特性和站址土壤结构,并运用数值仿真计算手段,结合现场实测数据和计算结果对运行牵引变电站开展接地安全分析,同时对比分析牵引变电站接地网连接和不连接进线避雷线时的测量和计算结果。结果表明:高速铁路牵引变电站接地安全校验应结合工程具体情况整体考虑,避免只简单注重接地阻抗值是否低于0.5Ω;牵引变电站接地网连接电力系统电源进线避雷线后,接触电压、跨步电压和地电位升均有较大幅度的下降。研究成果已在深茂高铁沿线牵引变电站接地安全校验中成功应用,通车后牵引变电站安全稳定运行。     

部分可观Petri网系统的在线故障诊断方法

针对Petri网系统故障检测与诊断过程中存在状态枚举及随后的状态爆炸问题,采用整数线性规划方法,提出了Petri网系统的在线故障诊断算法。算法将故障表示为Petri网模型的不可观变迁,定义了故障诊断器函数,通过可观的变迁序列,诊断系统行为是否出现故障。该算法避免了状态空间爆炸,降低了在线运算量的复杂性。以地铁列车进出站系统为实例,对地铁列车进出站系统进行含不可观变迁Petri网建模,应用提出的算法对铁列车进出站系统故障进行诊断。试验表明,该算法能有效应用于地铁列车进出站过程在线故障诊断。     

列车牵引系统网侧过流故障实时诊断与保护策略研究

目前机车和动车组牵引系统网侧过流故障存在诊断与保护方式单一且无法准确定位具体故障源的问题,因此提出了一种基于决策树模型的实时诊断方法:通过离线分析网侧过流故障的相关信号,得出其故障特征量并建立决策树模型;实时采集运行过程中的信号并计算其故障特征量,基于决策树模型来实现故障的准确定位;根据故障诊断结果采取不同保护策略,以实现故障的最优保护与隔离.现场测试结果表明,该方法简单有效,可实现对故障的实时诊断与最优保护,大幅提升列车可用性和智能化水平.     

改进粒子群优化算法的BP神经网络在机车滚动轴承故障诊断中的应用

本文提出了一个基于改进粒子群优化算法的BP神经网络优化模型来进行轴承故障诊断,此模型融合粒子群优化算法的全局寻优能力和BP神经网络算法的局部搜索的优势,有效地防止了网络陷入局部极小值,同时又保证了诊断结果的精确性.仿真结果表明机车滚动轴承故障得到了有效诊断.相比于常规的BP神经网络模型,此方法不仅改进网络的收敛速度并且提高了预测准确性.     

牵引变电所接地网故障诊断研究

牵引变电所接地网对电气化铁路安全运营具有重要意义,本文基于CDEGS软件建立电气化铁路牵引供电系统仿真模型,结合模糊判据分析和贴近度计算提出了接地网故障诊断算法及故障点定位方法,并验证了该算法的正确性,为牵引变电所内接地状态在线评估提供了参考。     

秦岭山区岩石地质及高填方电气化所亭接地技术研究

随着铁路网的完善,车辆运行密度不断提高。高速铁路对运行安全有较高的可靠性要求,牵引变电站作为其重要组成部分,具有站址面积小、短路电流大、地形复杂、降低接地电阻难度大等特点。文章以西成高铁位于秦岭山区牵引变电站的接地系统设计应用为案例,提出了利用山区牵引变电所地基高差建立站内双层接地网,以及在面积受限时,通过外延接地射线,加装深井接地装置形成组合型接地网,达到地电流回流、故障电流泄流以及降低接地电阻的效果。     

动车组牵引系统接地故障分析及优化研究

动车组牵引系统接地故障为动车组主供电系统最为典型的故障之一,且对动车组安全运营影响较大,文中通过对某型动车组牵引系统接地故障进行分析,查找各方面因素,并从相关部件的设计结构、工艺方案及故障诊断逻辑等方面研究优化措施,降低并预防接地故障的发生。     

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.     

高速动车组永磁牵引系统接地检测方法研究

为了更好地提高高速动车组永磁牵引系统接地故障诊断的准确性,文章提出了一种适用于永磁牵引系统的接地检测新方法。通过结合接地检测电路的拓扑结构,分析了不同接地情况下接地电压的特点,并在此基础上提出了优化接地电压超限判定算法、采用各轴逆变器分步检测和增加永磁接触器诊断节点等措施,通过该方法可以准确诊断出电机侧、变压器侧和变流器侧具体的接地点,提高了故障点定位的准确性。半实物仿真和地面机组试验结果验证了该方法的可行性。     

接地导体腐蚀对地网接地电阻的影响和改善方法

牵引变电所接地网对牵引供电系统的安全、稳定运行有着极为重要的作用,随着接地网运行年限的增加,接地网的地下部分遭受腐蚀而带来的接地网特性参数超标问题,危害着牵引供电系统的安全与稳定运行。本文使用CDEGS专业接地软件进行仿真计算,分析土壤电阻率、地网面积和地网均压导体布置方法不同时,接地导体腐蚀程度对地网接地电阻的影响。通过仿真研究得出:随着土壤电阻率减小,接地导体腐蚀程度增大,其对地网接地电阻的影响也越大;对于相同的腐蚀情况,地网面积越大,地网接地电阻增加得越明显;在地网等面积和等钢材用量下,通过合理选择地网均压导体布置方法,降低接地网接地电阻受腐蚀影响的程度,实现经济技术最优化。     

动车组牵引电机接地故障预测

牵引电机是动车组动力传动系统中的关键部件,在牵引电机故障中最常见的故障为牵引电机接地故障。通过对某动车组牵引电机控制单元的历史数据挖掘,实现对牵引电机接地故障的预测。数据挖掘建模使用了RBF神经网络、决策树和支持向量机3种机器学习算法。试验结果表明,3种算法的预测准确度均高于84%,其中决策树相较于RBF神经网络和支持向量机,具有更高的预测精度,模型预测精度达到85.6%。因此,选取决策树模型预测动车组牵引电机接地故障的发生。     

动车组速度信号耦合干扰问题的研究

文章主要研究了某型动车组在调试时出现牵引电机速度传感器干扰故障及牵引测试失败问题，故障表现为变流器静态启动测试或动态运行过程中闪报速度传感器故障，严重情况下需切除变流器维持动车组运行。通过对牵引电机速度传感器、变流器屏蔽线缆内部屏蔽接地、变流器速度信号软件处理逻辑等进行排查，确认故障原因为牵引电机速度传感器信号受到系统产生的随机耦合干扰。该故障是多设备在整车接地条件下耦合产生的综合性故障，在故障的排查过程中，采取对变流器内部多处接地进行优化整改。通过逐步实施整改策略，故障发生的概率逐渐减小，最终所有的接地处理优化措施实施后速度信号波形较之前有较大改善，毛刺等干扰信号大幅减少，基本不再报出故障。同时，针对此类接地耦合故障问题，除了对所影响系统进行良好的屏蔽层接地处理措施外，为避免该问题再次发生，采用了优化系统软件滤波方法滤除干扰信号，防止信号失真。     

智能牵引变压器故障诊断技术研究

研究目的:构建智能牵引供电系统保障高速铁路安全可靠、优质高效的运营是我国高铁未来发展的方向,而牵引变压器作为牵引供电系统中的重要组成部分,对其开展智能化研究是智能牵引供电系统研究的关键。本文从牵引变压器在线监测需求入手,阐述对牵引变压器关键参量进行在线监测的智能化方案,且根据监测参量构建基于贝叶斯网络的牵引变压器故障诊断模型。研究结论:(1)在传统牵引变压器的基础上,加设牵引变压器光纤测温、油中气体在线监测及铁芯接地电流监测三大模块,可准确地掌握牵引变压器运行状态,是实现智能牵引变压器故障预测的数据源基础;(2)通过现场实例验证,基于贝叶斯网络的牵引变压器故障诊断模型准确性高,可实现牵引变压器的故障在线诊断;(3)本文研究成果可在电气化铁路牵引供电系统领域进行推广应用。     

基于EEMD模糊熵和GA-SVM的牵引网故障诊断研究

牵引网发生故障时，如何快速诊断故障对维护铁路的正常运输秩序有极大影响，针对这一问题，提出一种基于EEMD模糊熵和GA-SVM的故障诊断方法。选取牵引网馈线电压在故障发生时刻后两个周期的故障分量波形作为原始故障信号，首先，对其进行EEMD分解得到一系列的本征模态函数(IMF)分量，选取IMF1～IMF3分量并计算其模糊熵作为表征不同故障类型的特征量；然后，为对故障类型进行诊断，建立多分类支持向量机(SVM)模型，将特征量输入至SVM模型中进行训练和识别；同时，为使模型的性能达到最佳，采用遗传算法(GA)对模型进行优化。测试结果表明，该方法能够有效地对5种典型牵引网故障进行诊断，且准确率达到了96%,验证了该方法的可行性。     

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。