基于神经网络的机车速度传感器故障诊断方法研究

建立了RBF神经网络预测器模型,将其应用到机车双速度传感器的故障诊断中,并提出了诊断决策方法。利用MATLAB实现了RBF神经网络预测器的仿真,并模拟了机车速度传感器输出的3种故障模式进行了故障诊断辨识。仿真结果表明文中提出的方法能够准确地进行速度传感器在线故障诊断,为机车速度传感器故障诊断提供了新的思路。     

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.     

基于故障树的电力机车故障诊断专家系统

分析了我国电力机车故障诊断技术的现状和发展前景,介绍了电力机车故障诊断专家系统的设计思想和实现方法,重点解释了利用故障树进行知识获取的过程和方法,并对系统深入研究进行了铺垫。     

基于WPA优化神经网络的扼流适配变压器故障诊断研究

针对传统铁路扼流适配变压器故障诊断模型结构复杂和精度不高的问题,运用狼群算法(WPA)、粗糙集(RS)理论和神经网络(NN)相融合的方法对其进行故障诊断研究。用粗糙集理论对故障样本数据进行约简处理,减少样本数据的监测及关键特征量的输入个数;利用约简后的数据对神经网络训练。利用狼群算法优化BP神经网络参数,提出WPA-BPNN故障诊断模型,以侯马电务段扼流适配变压器故障数据为例进行验证。研究结果表明:WPA-BPNN故障诊断模型相比传统方法,简化了网络结构,缩短了训练所需时间,提高了故障诊断精度,保证了列车行车安全及线路的高效运行。     

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。     

基于概率Petri网的柴油机故障诊断方法研究

将概率信息引入Petri网,提出了柴油机故障诊断概率Petri网模型.利用概率信息处理冲突消解问题,寻找最有可能发生的故障传播路径,提高了柴油机故障诊断效率.仿真结果验证了方法的可行性.     

机车运行途中故障诊断推理方法的研究

针对机车运行途中故障诊断推理的方法进行了研究,通过利用系统专家的经验知识建立故障树模型,并运用双向推理控制策略和启发式搜索算法建立推理机,实现了机车运行途中故障诊断推理系统的动态建立。     

基于HMM的客车转向架故障诊断与应用

介绍隐马尔可夫模型（HMM）算法在转向架故障诊断中的应用.利用HMM方法研究转向架在运行过程中抗蛇行减振器正常、异常状态,HMM的参数根据试验数据统计训练出,提出了一种新的转向架故障诊断方法,试验证明该诊断方法可行.     

基于概率Petri网的柴油机故障诊断方法研究

将概率信息引入Petri网，提出了柴油机故障诊断概率Petri网模型。利用概率信息处理冲突消解问题，寻找最有可能发生的故障传播路径，提高了柴油机故障诊断效率。仿真结果验证了方法的可行性。     

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。     

基于小波分析的牵引变流器故障诊断技术研究

针对200 km/h电动车组的牵引变流器,利用MATLAB/Simulink软件平台建立仿真模型,并运用小波变换的手段进行故障诊断,取得了良好的效果。文中以牵引变流器三相输出电流的不平衡故障为例,验证了该故障诊断方法的有效性。     

基于改进WNN分析功率曲线的S700K转辙机故障诊断

基于S700K转辙机常见故障下的功率曲线提出一种将小波变换、改进型遗传算法与神经网络相结合的故障诊断方法。用相应故障模式下的功率信号进行正交小波分解,把结果作为神经网络的输入特征向量,利用改进的遗传算法优化BP神经网络的参数,用训练好的BP神经网络进行故障诊断。研究结果表明:该方法可以有效的运用到S700K转辙机的故障诊断中,并提高转辙机故障诊断的精度与速度。     

基于快速贝叶斯网络的S700K转辙机故障诊断研究

转辙机故障对铁路运输安全和效益影响重大,针对转辙机故障原因与现象之间的复杂不确定性关系,提出一种基于粗糙集约简的高效贝叶斯网络故障诊断方法。首先,建立故障诊断决策表,利用改进的差别矩阵算法剔除对结果影响较小的属性,得到最简故障诊断决策表。其次,根据表中故障现象与故障类型连接关系建立贝叶斯网络模型,利用推理算法求解各类故障发生的概率。算法通过约简属性简化贝叶斯网络结构,降低算法复杂度,加快计算速度。最后,用某车站转辙机故障实例验证该智能故障诊断方法的正确性。     

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。     

机车轴承故障诊断中的多智能传感器技术应用分析

故障诊断技术是保证铁路设备安全运行的一项重要技术.分析传统机车轴承故障诊断方法中存在的不确定性,利用多智能传感器技术进行机车轴承故障诊断,建立融合诊断系统.该系统采用决策级融合方法来处理由于单个参数带来的诊断的不确定性.实验表明,这种方法能够有效解决基于单个参数诊断系统中带来的不确定性问题.因而它具有很强的理论意义和应用价值.     

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WATV去噪的冲击特征提取方法在高速列车轴承故障诊断中的应用

提取高速列车轴承故障振动信号中的冲击特征,可以有效地对其进行故障诊断。利用"小波-全变差(Wavelet-Total Variation,WATV)"算法能够对信号进行稀疏引导的特点,提出了基于WATV去噪的冲击特征提取方法。该算法针对含噪声冲击特征的提取问题构建了目标优化函数,该函数融合了冲击特征的保真度度量算子以及惩罚因子。利用凸优化理论可对目标函数进行求解,从而增强信号在小波域和时域的稀疏性,使得特征提取结果最优化。通过构造一仿真信号对WATV算法的有效性进行了验证,并将该方法应用于高速列车齿轮箱轴承故障诊断中。结果表明,该方法能够很好地提取出信号中的冲击特征,并且频谱中的故障表征明显,能够有效地应用于高速列车轴承故障诊断中。     

电力机车电子柜智能诊断系统

通过分析机车电子柜的组成和故障形成机理,选择基于故障树的专家系统作为电子柜故障诊断的技术手段。利用故障树生成专家系统的知识库,实现了诊断知识获取的一致性和完备性,并利用CLIPS开发工具实现故障诊断系统的推理。     

基于模糊神经网络的牵引变压器全局故障诊断方法

在传统的油中溶解气体分析方法的基础上,利用模糊神经网络强有力的关系处理能力,研究提出牵引变压器全局故障诊断方法.依据模糊神经网络理论,通过对数值逻辑故障诊断模型和物理逻辑故障诊断模型2类模糊神经网络故障诊断模型的分析,考虑信息采集节点的向量特性、变化趋势特性以及模糊神经网络的反馈特性,给出牵引变压器全局故障诊断模型,以故障征兆特征变化趋势表征故障征兆与故障类别间的因果关系,确立增益参数、权系数判定矩阵与决策矩阵.试验结果表明:该方法能够更好地分析牵引变压器各类故障产生的原因,明确故障特征类型,避免用单一特征数据集诊断牵引变压器故障带来的局限性,可以提高故障诊断的准确率.