智能交通系统中故障精确定位方法研究

针对目前智能交通运维系统中故障诊断误报率高,人工排查工作量大的问题,提出了一种基于双层链路的故障精确定位方法。根据设备历史数据采集频率特征,自动计算时间间隔阈值,并判断是否已超过故障阈值,超过后启动故障诊断程序。通过开辟针对网络链路与数据链路的监测线程,对硬件及软件接口进行多维度诊断处理,实现智能交通系统中故障状态的精准定位。该方法已在智能交通运维项目中应用,结果表明该方法精度高、误报率低、人工参与少,满足应用要求。     

基于FOA优化贝叶斯网络的高速公路机电故障预测研究

利用果蝇优化算法的快速搜索能力和全局最优能力,结合贝叶斯网络的结构特点,运用果蝇优化算法优化贝叶斯网络结构,提出一种基于果蝇优化算法优化贝叶斯网络的高速公路机电设备故障预测研究。     

地铁设备维修管理系统及其运营管理功能

国内地铁设备传统维修管理与世界一流轨道交通运营企业相比,在设备前期管理、备件管理、维修管理以及计算机应用等几个方面还存在较大的差距。地铁设备计算机维修管理系统,基于有线和无线局域网,中心数据库和方法模型库是地铁设备维修计算机管理系统的重要组成部分。地铁设备维修管理系统的主要技术有维修决策建模和优化技术、维修过程建模和优化技术、故障诊断和故障预测技术和备件采购决策模型。地铁设备维修管理系统主要包括以下功能模块：设备管理、预防性维修计划、工单管理、维修预算、报表分析等。     

基于贝叶斯网络的内燃机故障诊断研究

介绍了贝叶斯网络模型的数学描述，该方法对于设备诊断问题中存在不确定性、关联性问题具有很大的优势．将其模型应用在内燃机的故障诊断中，建造贝叶斯网络，并根据底事件的先验概率进行故障概率的计算，并给出维修建议．实例说明了该方法的有效性．     

基于案例推理的轨道交通信号设备故障诊断方法

轨道交通信号设备是关系轨道交通运输安全的核心设备,具有设备种类多、结构复杂的特点。当某一设备发生故障时,单独依靠人工排查往往不能快速的解决故障。本文将案例推理的思想运用于轨道交通信号设备的故障诊断,并根据轨道交通信号设备特点设计案例推理方法,为轨道交通信号设备故障诊断系统的构建提供决策依据。     

基于Fisher算法的无桩共享单车故障预测

无桩共享单车故障的主要诊断方式为人工定期维修和APP用户反馈,但在诊断过程中存在浪费劳动力和资金、报修率较低等问题.因此,单车的故障率居高不下,严重影响用户的使用体验,不利于共享单车企业的未来发展.为提高故障诊断效率并节约成本,结合大数据技术,提出共享单车故障预测模型及求解算法进行探究:以无桩共享单车的行驶时间和行驶距离作为输入,构建有条件约束的故障预测模型;针对模型计算的复杂性,利用Fisher线性判别法设计模型的求解算法;最后,对北京市某地区的哈啰单车系统进行案例分析,验证模型和算法的有效性.结果表明:与传统的两种方法相比较,该模型可快速预测该地区的故障无桩共享单车,且准确率高达86.13％,能够显著降低无桩共享单车的故障率并节约成本.     

基于人工智能专家系统的船舶电力系统故障诊断研究

为了提高船舶电力系统在发生故障后锁定故障点的效率,为船员抢修争取到宝贵时间,提高船舶在航行过程中的安全系数.本论文在阐述了船舶电力系统故障特点后,根据故障发生部位的优先级,将诊断模块分为输电线路和其它设备级两个模块,利用matlab程序设计语言设计改进遗传禁忌混合算法预处理数据,并分别使用正向推理和混合推理机制分析数据,同时引入模糊规则,对分析专家系统故障诊断机理在船舶电力系统故障诊断中的改进方案进行了研究,以便于工作人员及时排除故障,对于加强船舶电力系统的稳定性具有重要意义.     

SDG故障诊断决策表的粒约简算法

为了减少故障特征集的维数,降低流程系统故障诊断知识库的复杂程度,本文将基于二进制粒矩阵的粒约简算法引入到基于SDG模型的故障诊断中.以离心泵与液位系统为例,用粒语言来描述和表达SDG故障诊断模型中的元素,建立反映故障-征兆因果关系的决策表,进而对冗余属性及属性值进行约简,有效地约简了SDG诊断规则,提高了故障诊断的效率.     

基于动态贝叶斯网络的列控中心可靠性及可用性评估

为解决共因失效、动态失效及恢复机制等问题,本文基于动态贝叶斯网络对联锁车站和中继站列控中心可靠性及可用性进行评估.在分析列控中心系统结构的基础上构建系统动态故障树,并将动态故障树转化为动态贝叶斯网络,实现结构学习和参数学习.通过动态贝叶斯网络正向推理得到两种类型列控中心可靠度和可用度并进行比较分析.通过动态贝叶斯网络反向推理得到列控中心系统薄弱环节.研究系统敏感性因素并讨论恢复机制对系统可靠性及可用性的影响.结果表明：考虑共因失效的联锁车站和中继站列控中心的稳态可用度分别为0.999 960和0.999 977;电源及驱动采集单元为系统薄弱环节,需要重点关注.该方法能有效提高列控中心智能维修维护水平.     

基于韧性评估的地铁网络修复时序决策方法

为提高地铁应对突发事故的韧性,提出基于韧性评估的地铁网络修复时序方案决策方法.基于复杂网络理论,利用Space L方法构建地铁网络拓扑结构,部分节点失效后利用不同的修复策略生成备选方案;选取网络平均效率为性能指标,构建韧性指数评估不同修复时序方案下地铁网络韧性的表现,推荐韧性指数最大的方案为最优方案,探讨不同修复策略与网络恢复性能间的关系;以南京地铁为例进行实例分析.结果表明,多个节点失效时,优先修复策略受同步维修队伍个数的限制,前期表现较差,但有助于提升整个恢复阶段网络的性能;并行使用优先修复策略和增加维修队伍可有效提高网络韧性,缩短恢复时间.     

列车定位单元ODO故障分析及HMM的应用研究

列车运行过程中车轮会出现打滑抱死等现象,导致ODO(odometers)呈现功能故障状态,针对这一问题,进行了列车定位单元ODO故障分析及HMM(hidden Markov models)的应用研究.首先利用神经网络方法对ODO故障状态进行诊断;然后,引入基于HMM的故障诊断方法,从模式识别角度出发,建立ODO隐藏的故障状态模型,通过输入观测序列与分类器中的HMM匹配,得出ODO的故障诊断结果;最后,通过遗传算法对HMM中的参数训练部分进行改进.实例分析结果表明:利用神经网络进行故障诊断的故障识别率为33.3%,基于HMM的故障诊断方法对于正常和故障状态的诊断精度可达100%,总体诊断精度可达95%,利用遗传算法进行参数改进后经仿真对比表明:在训练速度上遗传算法可以较快到达稳态,训练精度提高了86%;在高噪声背景下用神经网络方法实现故障诊断具有明显缺陷,利用遗传算法可以改进B-W(Baum-Welch)算法易陷入局部最优的缺陷,基于HMM的故障诊断方法相较于神经网络方法有更高的准确性.     

数控设备常见故障分析及维修方法综述

针对生产实践中数控设备常见故障的发生,从电气,液压,机械等方面,阐述了故障诊断应遵循的一般顺序及故障产生的原因,提出了诊断方法及快速维修方法,实践证明这些原则和方法大大提高了维修效率。     

如何提高公路施工机械设备管理水平

机械设备管理的发展趋势 随着工业化、经济全球化、信息化的发展,机械制造、自动控制、可靠性工程及管理科学出现了新的突破,使现代机械设备的科学管理出现了新的趋势.设备管理信息化趋势,通过先进的计算机和通讯设备及网络技术设备,充分利用社会信息服务体信息服务业务为设备管理服务;设备维修社会化趋势,设备维修的社会化可以提高设备的维修效率、减少设备单位备品配件的储存及维修人员,从而提高了设备使用效率,降低资金占用;新技术的应用,采用设备状态监测技术和故障诊断技术等新技术,就可以事先发现故障,避免发生较大的经济损失和事故.     

神经网络与D-S证据理论分层融合的柴油机综合故障诊断方法研究

针对柴油机传统故障诊断方法处理数据量大、故障类型复杂多变的问题时存在诊断准确率不高的现状,利用数据融合原理,将神经网络和证据理论进行有机的结合,提出了神经网络和证据理论分层融合的柴油机故障综合诊断方法.该方法通过并行神经网络的结构提高局部诊断网络的诊断能力,并给出了基本可信度分配的客观化方法,充分利用各种故障的冗余和互补信息,可显著提高故障诊断的准确率.诊断实例表明,该方法能显著提高柴油机故障诊断系统的效率.     

基于Monte Carlo仿真的地铁车辆系统可靠性研究

论文在地铁车辆系统失效模式与影响分析（FMECA）的基础上,考虑到地铁车辆系统故障率较低,故障状态枚举方法难以获得精确的随机状态,故运用蒙特卡洛（Monte Carlo）改进算法模拟仿真了地铁车辆系统设备单元发生故障的实际过程,并给出仿真的一般求解方法．针对地铁车辆系统故障模式及故障持续时间,构建了其可靠性的评估指标,应用实例数据进行了分析计算,得出了稳态下的系统可靠性结果．研究成果对地铁车辆运营及维修管理均具有一定的参考价值．     

一种新的地铁曲线站台异物检测系统研究

曲线形站台无法像直线形站台一样使用人工检测的方法进行开车前的安全检测。本文通过基于背景差分算法的视频检测技术,研究了一种高可靠性的曲线形地铁屏蔽门与列车之间异物检测系统。该系统可获取曲线形站台屏蔽门与列车间隙内的完整图像,辅助或代替列车司机检测地铁屏蔽门与列车之间是否存在异物。经试验,本系统检测准确,鲁棒性好,可提高地铁运行效率与安全性,具有良好推广前景。     

基于道岔动作电流的故障特征提取与诊断方法

为提高道岔故障诊断精度,提出一种基于粒子群算法(particle swarm optimization,PSO)优化反向传播(back propagation,BP)神经网络的道岔故障诊断法.先利用基于道岔转换状态、时间固定分段、时域统计指标的三种方式提取动作电流特征参数,以降低特征维度;再据三种特征提取方式分别建立基于PSO-BP神经网络的诊断模型.仿真实验结果表明,采用基于时域统计指标的特征提取方式能更有效提取动作电流的变化信息,利用PSO优化BP神经网络可实现网络参数的自动寻优,提高网络对故障分类的效果.     

铁路地面信号设备时间同步系统可靠性分析

为了量化铁路地面信号设备时间同步系统安全风险并识别薄弱环节,采用专家判断和模糊集理论相结合的方法量化基本事件的条件概率,将系统故障树模型映射为贝叶斯网络,以此构建铁路地面信号设备时间同步系统可靠性模型,对系统进行可靠性评估.通过计算系统故障条件下单元的失效率,识别系统的薄弱环节.诊断推理分析表明,光纤及通信前置服务器是引起铁路地面信号设备时间同步系统失效的关键事件,因此,加强对其维护可有效降低事故的发生概率.     

基于模糊Petri网的摊铺机液压调平系统故障诊断

以SP120摊铺机的液压调平系统作为研究对象,分析该系统的故障形式及其原因,提出基于模糊Petri网的摊铺机液压调平系统的故障诊断方法,用模糊Petri网表示液压调平系统故障诊断知识,建立模糊Petri网故障诊断推理模型,并利用基于图形搜索的模糊Petri网推理算法对其进行故障的推理和诊断,验证该算法的可行性,该方法应用于诊断工程机械液压系统故障是准确有效的。     

地铁车辆设备ABC分类研究

利用层次分析法与ABC分类法相结合的方法将地铁车辆设备部件进行分类。选取运营安全性、运营服务性、维修费用和故障率作为准则指标,利用ABC分类法确定设备部件对准则的权重,运用层次分析法计算加权权重,最后根据加权权重对设备部件进行最终的ABC分类。这种方法可以快速将设备部件进行分类,并有效地选出关键设备,提高设备部件在日后的维修及架大修中的维修针对性。