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LS-SVM和D-S证据理论的轴承故障诊断

利用信息融合技术,提出了基于LS-SVM和D-S证据理论的轴承故障诊断方法,并利用高速动车组传动试验台进行了验证,结果表明该方法可有效提高滚动轴承故障诊断精度。     

多物理量融合的轴承齿轮故障诊断方法研究

采取对机车走行部轴承齿轮的温度、振动和冲击等信息进行同步或准同步采集,运用多源信息融合技术和改进D-S证据理论,提出了一种多物理量信息融合的机车走行部轴承齿轮故障诊断方法。研究结果表明:该方法在诊断效果方面优于采用单物理量的诊断方法,提升了诊断的准确性,为进一步提高诊断自动化程度提供了有效手段。     

基于证据理论的城市轨道交通系统型式选择决策

介绍D-S证据理论的推理方法和组合规则。针对D-S证据理论方法不能对冲突证据进行组合的局限性,探讨适用于城市轨道交通系统型式选择问题的组合规则,给出通过基本概率赋值转移预处理后再组合的冲突证据组合方法。基于D-S证据理论的推理方法建立城市轨道交通系统型式选择决策模型,并应用文中提出的冲突证据组合方法进行求解。最后结合国内已建成轨道交通系统城市的7项指标,对济南市城市轨道交通系统型式选择进行融合决策,经检验证明该模型对城市轨道交通系统型式选择具有辅助决策作用。     

基于多方法证据融合的轨道电路故障诊断

针对采用单一方法进行轨道电路故障诊断时存在的局限性及诊断精度偏低的缺陷,提出一种基于灰色关联分析、模糊综合评判和反向传播BP神经网络三种方法证据融合的诊断策略.分别应用每种方法对轨道电路故障进行初步故障诊断,每个诊断输出构造三个证据的基本概率赋值BPA;确定权值并重构证据BPA;按照证据理论合成规则融合重构证据并给出轨...     

基于多信息融合的城市轨道交通车站安全预警研究

为提高城市轨道交通车站安全应急水平,利用D-S证据理论在不确定信息融合方面的优势,以及信息熵理论在指标权重确定方面的客观性优势,提出了城市轨道交通车站安全预警多信息融合的方法。通过构建城市轨道交通车站安全预警指标体系及其阈值,将D-S证据理轮和信息熵有效结合,实现对城市轨道交通车站安全状况进行预警分析。结果表明,该方法能正确客观反映城市轨道交通车站的安全程度,实现动态预警。     

基于博弈论和证据理论的桥梁加固方案优选研究

为了更加合理地选择桥梁加固方案,处理方案优选过程中的不确定信息以及避免主观偏好性对决策的影响,提出基于博弈论和D-S证据理论相结合的加固优选方法。采用基于博弈论的组合赋权,确定科学合理的综合权重,结合西北干寒地区桥梁病害,以待评方案为辨识框架,根据加固效果目标,选取效果可靠性、经济合理性、施工技术可行性等3个2级指标,14个3级指标作为证据体,利用灰色关联法确定各证据体的确定信度,通过D-S证据理论融合规则,由信度函数值排序得到方案排序。结合西北地区某桥梁加固实例,研究结果表明:该模型在桥梁加固方案优选应用中有效性显著,比选结果可靠合理,大大提高了决策的准确性和方案间的区分性。     

基于改进的数据融合滚动轴承故障诊断

针对滚动轴承单一诊断方法造成误诊率高、可靠性低的缺陷,提出一种基于变分模态分解(VMD)-支持向量机(SVM)和数学形态学(MM)-相关性分析(CA)的复合诊断算法。该算法采用双通道并行诊断,通道1使用VMD在频域分解故障信号,并结合贝叶斯SVM分类器获取诊断结果的后验概率,具有诊断准确性高的优点;通道2使用MM方法在时域中提取故障特征,通过CA方法获得诊断结果的相关性系数,具有较强的泛化能力。通过改进的加权平均证据理论方法将两通道判定结果有机融合,发挥两种单一方法的优势互补,实现复合式故障诊断。使用轴承故障试验台对复合算法进行验证,与单一方法进行对比。结果表明：该复合算法可有效提取非平稳信号中的故障特征,提高诊断结果的可靠性。     

基于证据融合算法的地铁车辆轴承故障检测方法研究

转向架轴承作为地铁车辆的重要组成部分,其故障会对车辆运行安全构成严重威胁。现有的轴承故障诊断方法准确性较低,存在漏诊、误诊的可能。针对这一问题,分析地铁车辆转向架轴承的故障模型,对经典证据融合算法进行改进,提出一种新的均值加权融合法,该方法提取轴承振动信号的特征频率谱峰比值与频率均值,设置对应的概率分配函数来分配上述两种特征参数对不同元素的支持度,并进行证据融合。为了验证所提出方法的有效性,设计搭建了轴承实验平台,对已有的均值K系数法、吸收法及所提出的均值加权融合算法进行了对比实验。实验结果表明,本文提出的均值加权融合算法的漏诊率及误诊率明显小于已有的均值K系数法和吸收法,提高了地铁车辆轴承诊断的准确率,更加适用于地铁车辆转向架轴承的故障诊断。     

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。     

基于神经网络的道岔智能故障诊断方法的研究

本文将神经网络信息融合技术运用在铁路道岔故障诊断领域,为铁路信号领域提出了一种新型的道岔智能故障诊断方法。该方法能快捷、准确地融合从各传感器得到的故障信息,通过人工智能处理,自动诊断出故障原因,为维修人员提供技术参考,从而降低故障发生率和故障处理时间,确保运行安全,提高运行效率。     

模糊神经网络在摆式列车作动系统故障诊断中的应用

针对摆式列车倾摆作动系统故障所具有的模糊性，提出了一种基于模糊神经网络的故障诊断方法，将模糊理论与神经网络融合在一起，实现了对故障的模糊诊断，给出了模糊神经网络的结构，该网络由两部分组成，前一部分为模糊量化部分，后一部分为神经网络部分，根据输入特征量的实际情况，确定了各模糊子集上的隶属度函数，提出了一种阈值向量故障判别方法，使故障判别更具灵活性和合理性，根据相关文献构造了倾摆作动系统的构造判别表，形成故障诊断理论样本。以摆式列车倾摆作作动系统对象，就倾摆作动系统中几种典型的故障模式，有用模糊神经网络方法作了识别，仿真结果表明，该方法是行之有效的，为在摆式列车实车倾摆作系统故障诊断中的应用提供了理论依据。     

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.     

基于粗糙集-C4.5的轨道电路故障诊断方法研究

针对轨道电路故障信息存在大量重复样本和冗余属性,提出一种基于粗糙集和C4.5决策树算法相融合的轨道电路故障诊断方法。轨道电路故障特征数据多为连续量,需要根据模糊集理论对故障样本进行模糊化,形成离散决策表。利用粗糙集处理不完备决策表的能力,去除离散决策表的冗余属性得到约简表,结合决策树C4.5算法对约简决策表进行快速训练提取诊断规则,产生的诊断规则清晰、可解释性强,能够直接运用于轨道电路故障诊断中。最后利用模拟数据仿真验证该方法的有效性,与ID3算法和BP神经网络法进行对比,仿真测试表明该方法具有更高的诊断效率和准确率,对实现轨道电路快速鲁棒故障诊断具有一定意义。     

基于模糊神经网络的道岔故障诊断系统研究

运用模糊理论和神经网络技术相结合的方法,构造了基于模糊神经网络的铁路道岔故障诊断系统,介绍该系统的的结构、原理及诊断过程,并采用Matlab神经网络工具箱进行仿真,仿真结果表明模糊神经网络方法适用于道岔设备故障诊断.     

基于双通道特征融合的轴承故障诊断方法

基于卷积神经网络（Convolution Neural Network,CNN）的智能诊断方法在轴承故障诊断中应用广泛，但是大多数诊断模型以单源信息输入为主，这将影响基于CNN的故障诊断准确性和可靠性。针对这个问题，文章提出一种基于双通道特征融合的滚动轴承故障诊断方法。首先利用多重Q因子连续Gabor小波变换（Multiple Q-factor Continuous Gabor Wavelet Transform,CMQGWT）和快速谱相干（Fast Spectral Coherence,Fast-SC）分别构造滚动轴承振动信号的时频分析图；然后搭建1个具有双输入通道的CNN网络模型，通过特征融合层将各个通道提取的深度时频特征融合成1个新的特征；最后利用分类器输出诊断结果。在高速列车滚动轴承单故障和复合故障的分类识别试验中，较之于单输入通道的CNN模型，该模型具有更高的诊断准确性和鲁棒性。     

基于CBR的无线闭塞中心故障诊断方法研究

无线闭塞中心(RBC)系统结构、功能复杂,维护过程中积累了大量的现场诊断案例。为了有效利用历史诊断经验,将人工智能CBR(Case-Based Reasoning)技术引入到无线闭塞中心的故障诊断中,分析基于CBR的RBC故障诊断流程,运用面向对象的方法对RBC故障案例进行了表示,提出基于R-S(Rough Set)理论的案例特征属性权重计算方法,采用融合最近邻和余弦函数的相似度算法改进了传统案例推理技术的相似度算法。最后以RBC维护终端的具体案例验证提出方法的有效性。     

相依性条件下滨海软土隧道盾构施工渗漏水风险评价

滨海地区多为海相和湖相沉积的软土,施工难度大,渗漏水病害多发,因此,应对盾构施工过程的渗漏水风险进行评价来保证隧道安全施工。构建渗漏水风险评价三级指标体系,将云模型与Copula函数结合,基于Copula函数对于风险指标中相关风险因素的相依性处理,云理论对于定性与定量概念的处理与转换优势,构建相依性条件下的二维和三维云-Copula模型。以宁波市轨道交通1号线为例,利用云-Copula模型计算二级指标对于各个风险等级的隶属度,确定危险性较大的二级指标为注浆质量、止水条、衬砌混凝土自防水。利用D-S证据理论进行证据融合确定该检测区段渗漏水病害的风险状态为安全,但有向基本安全状态发展的趋势。通过对危险性较大的指标加强监控,使渗漏水得到有效控制,为软土盾构隧道施工过程中渗漏水病害的风险评价与管理提供了一种新的方法。     

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％。     

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。