基于贝叶斯网络的室外计轴设备故障诊断研究

针对故障数据较少的新型室外计轴设备,提出一种基于贝叶斯网络的故障诊断分析方法,用于指导维修人员在设备故障时,快速定位故障点,通过增强设备中的薄弱环节,提高设备性能。     

地铁信号系统车载设备维保策略优化

主要研究基于故障树的贝叶斯网络分析、基于状态的维修模型以及维保策略优化.在获取地铁信号系统车载设备故障数据的前提下,采用贝叶斯网络分析方法研究信号系统车载设备重要度的辨识方法;在周期预防性维修的基础上,采用基于状态的维修模型进行针对性优化,实现风险与成本双目标优化的目标,改善信号系统车载设备关键部件薄弱环节.     

模糊贝叶斯决策在ATP车载设备故障诊断中的应用研究

高速列车长时间工作运行不可避免发生故障,其中的车载设备故障发生具有不确定性和相关性特性。分析故障发生和查找故障致因是一项复杂而重要的过程和工作。贝叶斯网络在解决不确定性和相关性问题有其独特的优势,可以利用贝叶斯网络查找故障成因和故障点并且加以控制,从而提高列控车载设备运行的安全性。在实际理论和工程实践中运用贝叶斯推理时往往过分强调贝叶斯推理功能而忽略先验概率确定的问题,模糊贝叶斯决策是在经典贝叶斯理论上综合运用决策理论、模糊数学、贝叶斯方法和期望效用理论,建立一个在多属性指标下故障态势的模糊贝叶斯决策模型,克服了单一贝叶斯推理的不足,增强了模型的适用性。     

基于贝叶斯网络的列控车载设备故障诊断方法

列控车载设备故障排查与维护多依赖于人员经验,存在一定的片面性且效率较低。提出一种基于贝叶斯网络的列控车载设备故障智能诊断方法,基于历史故障数据得到故障征兆,利用粗糙集理论对故障征兆进行属性约简,降低训练模型的复杂度;将专家知识与故障数据训练相结合,改进贝叶斯网络模型,并将故障征兆关联关系融入模型中。以武广线列控故障数据为例,验证该模型的诊断效果。该方法对提升列控系统故障诊断的智能化水平具有借鉴意义。     

基于本体的高铁车载设备维修案例知识管理模型

针对我国高速铁路车载设备维修案例知识结构性差、重用率低、维修经验缺少有效存储与检索三大问题,结合高铁设备维修案例多样性,案例知识组成及结构多样性的特点,首先,提出一种基于本体的高速铁路车载设备维修案例知识管理框架;其次,构建一个由五要素组成的高铁车载设备维修案例本体;然后,提出一种本体与CBR相结合的案例检索模型。结果表明:由五要素组成的高铁车载设备维修案例本体可实现一个表示结构化,管理精细化的维修案例库,本体与CBR相结合的案例检索模型提高了案例检索的准确率与案例知识的重用率。最后,通过高铁维修实例验证了所提方法的可行性和有效性。研究结果表明,构建的高铁车载设备维修案例知识管理模型可较好实现案例知识的有效存储及检索,提升了维修知识的共享和重用率。     

基于WNN算法的BTM故障诊断方法

高效、准确的故障定位技术是列车安全运行的重要保证。针对列车超速防护系统（ATP）车载设备故障分析存在复杂性高、依赖专家经验等问题,提出将小波神经网络（Wavelet Neural Network,WNN）算法应用于车载设备故障诊断的方法。针对车载设备中的应答器传输模块（Balise Transmission Module,BTM）,首先根据经常发生的故障类型,匹配ATP中相应的故障日志语句;然后建立网络结构,利用小波理论修正网络的权值与参数;最后结合WNN算法精准地分析和预测故障。选取BTM单元的100组故障数据作为样本进行仿真实验,并与BP神经网络、GA-BP神经网络以及SVM算法进行对比。实验结果表明：通过小波算法优化神经网络的测试样本平均绝对误差降低至6.917%,相关系数提高到97.402%,该算法在高速铁路列控车载设备故障分析方面有较高的准确性。     

ATP车载设备故障分类及管理方法研究

故障闭环管理是提升设备运用水平的有效途径。ATP车载设备通过制定故障等级和故障类型划分规则,建立故障采集、分析、报告、处理和跟踪一整套闭环管理体系,规范不同等级故障对应的故障处理流程;通过搭建ATP车载设备故障管理信息系统,保障设备稳定运用,减少因故障造成的运行延迟,更好地适应动车安全高效运行的需要。     

基于图论推理的高速铁路信号系统网络诊断方法研究

维护终端是高速铁路信号系统的一个组成部分,是进行系统状态监测和维护的一个重要手段,也是系统智能运维技术的载体,计算机联锁系统为典型的地面信号系统.在对计算机联锁系统网络监测需求研究的基础上,采用图论模型方法,对其主机和内部网络、外部网络通道状态进行模型显示;基于特定的计算方法解决了通道显示问题;并基于图论模型和模糊推理...     

高速铁路列控车载设备安全技术探讨

结合国内高速铁路的发展现状,一方面对高速铁路目前所采用的列控车载设备设计、实现、测试、运营维护等方面的安全技术进行分析和总结;另一方面在目前的技术体系下,针对如何管好用好高速铁路列控车载设备,提出一些见解,目的是寻求高速铁路的更好更快发展。     

基于Doc2vec-LightGBM的CBTC车载信号设备故障分类诊断方法

车载信号设备是城市轨道交通信号系统的重要组成部分,其运营过程中会产生海量离散化、片段化的日志文本数据。目前,CBTC车载设备故障记录文本仍存在语义不明确、词语冗余的问题,从而造成故障致因溯源难,针对此,提出一种基于Doc2vec-LightGBM的CBTC车载设备故障自动分类诊断方法。首先对故障文本使用Jieba完成文本分词,依据TF-IDF实现分词文本数据的特征提取,并采用Doc2vec训练文本分词向量;其次针对数据不均衡的问题,采用Borderline-SMOTE算法进行少数类文本向量数据的补全泛化;最后,通过训练轻量梯度提升机LightGBM分类器完成故障文本自动分类。采用某信号厂商所记录的1 133条故障文本数据进行分类实验分析,并与支持向量机(SVM)方法对比。实验结果表明,所提方法在分类精确率、召回率上分别为98.2%、97.5%,证明了该故障文本自动分类方法的有效性和优越性。     

故障诊断的时间因果贝叶斯网模型

在一类诊断所依据的可观信号(警报)具有时序特性的故障诊断问题中,诊断所依据的警报、这些警报出现的先后顺序以及它们之间的时间间隔,都与诊断结果有关联。针对这一类故障诊断问题,提出了时间因果贝叶斯网模型,采用模糊方式对故障与警报之间的时间因果关系进行离散化处理,用模糊运算来合成多个时间因果关系,通过概率计算获得最大可能的故障假说。理论与算例表明该方法有效可行。     

高速列车车体下吊设备隔振设计及试验研究

针对高速列车车体下吊挂设备振动问题进行研究,根据隔振理论和模态匹配原则确定各主要下吊设备的模态频率范围,设计了下吊设备隔振元件参数。试制产品后,测试车体及下吊设备的振动情况,并对测试结果进行了时域和频域的分析。分析结果表明,根据该下吊设备隔振悬挂参数设计的车辆,在各速度级下都未与车体发生剧烈共振,设备和车体振动情况正常,这表明所采用的设计方法正确,隔振参数设置合理。     

中俄高速铁路客车内装设备标准比较分析

以高速铁路客车内装设备中的防火、环保、门窗、座椅等设计标准为分析对象,通过对中国与俄罗斯相关标准的异同点比较分析,为中国对俄罗斯高速铁路客车内装设备的研发与设计提供标准依据。其中,着重分析了相关车辆设计与验证中的标准空白项与疑难点,提出了第三方认证机构今后对俄罗斯铁路开展业务的方向。     

基于故障树的地铁列车牵引系统故障诊断

介绍了故障树分析法。阐述了地铁列车牵引建立的条件。以地铁列车牵引系统为例,建立了故障树并求得最小割集。基于最小割集和故障案例统计数据,对故障进行了诊断。此分析方法在地铁列车故障诊断中有较好的应用价值。     

高速磁浮列车车载诊断仿真系统分析

磁浮列车车载诊断系统的仿真平台能够模拟高速磁浮列车车载诊断系统整个工作流程.该平台能够仿真所有车载电子电气设备的状态,以及故障信息的产生、发送、通信、控制、交互、诊断、分类等,能够对整个系统及时并有效地定位故障和对故障进行分类.介绍了高速磁浮列车车载诊断系统及其仿真系统的研制方案.分析了在仿真过程中的关键问题,总结了仿...     

高速铁路客运车站站台广播设备隐蔽化设计方案

结合朝凌高铁建设实施方案,介绍一种站台广播设备设施隐蔽化设计方案,通过采用与静态标识结合设置方案,达到广播隐蔽化安装的效果。通过EASE软件对此种布设方式下站台广播声场覆盖情况进行仿真,并结合现场实听实感,确认该方案满足站台广播系统实际使用需求。     

机车车载实时故障诊断系统

介绍了机车车载实时故障诊断系统的组成及其软硬件的设计,描述了其实现的功能,现场实际应用结果表明,该系统故障诊断准确可靠,不仅有助于司机进行故障处理,同时也给地面检修提供了有效的参考依据.     

基于车辆总线和Laplace小波的机车轴承诊断系统

为保证高速客运机车的行车安全,开发基于车辆总线的机车轴承故障诊断系统,通过车辆总线监测温度和振动信号对机车走行部轴承进行早期诊断和预警。给出诊断系统的硬件结构、软件功能与特点。分析机车轴承振动信号特征,针对故障轴承冲击响应由一系列单边衰减振荡信号组成,轴承故障特征频率包含的能量少且受到噪声干扰的特点,将Laplace小波引入轴承振动信号分析,提出基于Laplace小波相关滤波和包络谱分析提取故障特征频率的机车轴承诊断方法。试验表明,所开发的系统有很强的鲁棒性,能有效诊断机车走行部各种类型的故障。     

基于SVD-MOMEDA的高速列车齿轮箱轴承故障诊断

针对强背景噪声环境下高速列车齿轮箱轴承故障信号难以检测的问题以及多点优化最小熵解卷积修正(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)方法受滤波器阶数、故障周期影响的问题,提出了基于奇异值分解(singular value decomposition, SVD)改进的MOMEDA的轴承故障诊断方法。首先采用SVD作为MOMEDA的前置滤波器滤除部分噪声,然后通过MOMEDA多点峭度谱追踪故障周期成分,采用变步长搜索法迭代求解MOMEDA滤波器最优阶数,最后利用最优参数相对应的MOMEDA增强信号中的周期性脉冲,并通过包络谱提取故障特征。仿真信号和试验数据分析表明:该方法能实现高速列车齿轮箱轴承故障的精确诊断,且故障诊断效果优于互补经验模态分解方法。