共查询到20条相似文献,搜索用时 531 毫秒
1.
2.
机车信号的码序提供了机车信号是否发生故障和发生何种故障的信息。本文分析了机车信号的故障码序,通过总结其规律与特点,将机车信号的故障诊断问题归类为模式匹配问题。并在此基础上将模式匹配问题与机车信号的故障诊断问题相结合,提出了基于多模式匹配算法DFSA(Deterministic Finite State Automata)的机车信号故障诊断模型。该模型通过建立转向(goto)函数、失效(failure)函数和输出(output)函数,利用树型有限自动机实现了对机车信号快速准确的故障诊断。通过对实际的机车信号检测记录仪记录的数据进行故障诊断实验,表明该模型在机车信号故障诊断中的有效性。 相似文献
3.
通过对SS4G型电力机车制动逻辑控制装置(DKL)电路窜电故障原因分析,制定了有针对性的解决措施,解决了SS4G型电力机车制动逻辑控制装置(DKL)电路窜电故障的问题。 相似文献
4.
针对无绝缘轨道电路调谐区故障特征难以提取的问题,提出基于补充总体平均经验模态分解(CEEMD)的调谐区故障特征提取方法。采用四端网理论和传输线理论构建无绝缘轨道电路模型,仿真分析调谐区不同故障对轨道电路表面电压的影响;利用经验模态分解(EMD)、总体经验模态分解(EEMD)及CEEMD分别对电压信号进行分解,再提取故障特征向量。仿真结果表明:CEEMD方法抑制了EMD和EEMD引起的模态混叠和残留噪声现象,提高了运算效率,能够有效提取无绝缘轨道电路调谐区故障特征。 相似文献
5.
《石家庄铁道大学学报(自然科学版)》2017,(2)
针对振动信号非线性、非平稳性导致的故障特征难以准确提取的问题,提出了一种基于多小波包排列熵和流形学习的故障特征提取方法。首先,利用多小波包分解方法得到故障信号的多维多小波系数,通过计算排列熵初步提取了各个小波系数中的故障特征信息;然后利用局部切空间排列(LTSA)流形学习方法对多维特征信息进行处理,在有效降低信息冗余度的同时,提取了其中主要的故障特征;最后利用支持向量机(SVM)对滚动轴承正常、外圈、内圈和滚动体故障实测信号进行故障模式识别试验。结果表明,该方法可以准确地识别出轴承不同的故障类型,并且在提取故障特征准确性方面要优于传统的单小波包方法和主成分分析(PCA)方法。 相似文献
6.
针对广州地铁2号线车辆在实际运行中出现频繁报直流传输线故障(OVC最大值)的问题,在介绍该车辆电机逆变器模块(MCM)工作原理的基础上,分析了频繁报直流传输线故障原因,并提出相应解决措施,实践证明该措施取得了良好效果。 相似文献
7.
针对CCBⅡ制动机电子制动阀(EBV)的各种故障问题,对EBV故障情况进行分类,并逐一分析故障原因,结合EBV的实际工作情况,提出EBV故障检测与自动转换装置设计方案。 相似文献
8.
针对南昆线TDWG-1(A)微机接触网故障测距装置,在实际运用中测量故障距离不准确的问题,根据该装置的工作原理,对存在问题进行了分析,提出采用区间串补电容修正电抗值的方法,准确判断故障距离。并用实例说明该方法是切实可行的。 相似文献
9.
介绍了轨道交通车辆车门故障模式库创建的主要做法.故障模式库为故障报告、分析及纠正系统(FRACAS)提供了标准故障模式依据,为开展产品设计和产品故障模式影响分析(FMEA)工作提供了数据基础,为分析可靠性设计薄弱环节提供了手段.对故障模式库在轨道交通车门系统产品可靠性、可用性、维护性与安全性(RAMS)管理体系和FRACAS平台、可靠性设计平台上的应用进行了总结. 相似文献
10.
运用客车轮对踏面擦伤故障分析 总被引:4,自引:1,他引:3
1 问题的提出 客车轮对踏面擦伤问题长期以来一直困扰着运用单位,尤其是在1997年4月旅客列车提速以后,踏面擦伤的数量更是大幅度上升.表1是南昌车辆段1996年度(提速前)、1998年度(提速后)的临修轮对故障统计分析表,由表中可见,踏面擦伤故障量占全年故障轮对总数的60%以上,故障轮总数由1996年的162条(占全年运用轮对的24%),增加到1998年的271条(占全年运用轮对的36%). 相似文献
11.
通过对影响机车试运合格率的电气故障的分析,提出了相应的改进措施和试验手段,有效地抑制了因部件质量问题、布线及接插不良引起的机车高速运行时电流、电压不平衡、不稳定(抖动)故障的发生.有效解决了库内试验无法发现的正线试运故障的疑难问题. 相似文献
12.
针对齿轮箱故障信号微弱且易受周围噪声影响的问题,提出了一种基于变分模态分解(VMD)的独立分量(ICA)算法。该方法首先将采集的信号进行MCKD降噪,将降噪后的信号利用VMD算法分解为多个不同的本征模态分量(IMF),然后依据快速谱峭度图和相关系数选取有效的IMF分量进行重构信号,对于重构信号利用FastICA再次进行降噪处理,根据FastICA降噪后得到的故障特征分量,可以有效地识别故障。结果表明:该方法可以更清晰、准确地提取出故障特征频率和找出故障发生的位置。 相似文献
13.
14.
针对DF4型内燃机车轮对轴承单一和复合故障在内的7种不同健康状态的识别问题,提出了一种基于多尺度熵(Multiscale Entropy,MSE)和粒子群优化支持向量机(PSO-SVM)的机车轮对轴承故障识别方法.计算轴承不同健康状态下振动信号在多个尺度上的样本熵构成MSE特征向量,利用PSO-SVM识别轴承所属故障类型及故障程度.收集了DF4型内燃机车包含单一和复合故障在内的7种不同健康状态的轮对轴承试件,在南昌机务段的JL-501机车轴承检测台上采集了各轴承试件的振动信号样本.实验数据分析结果表明,MSE的特征提取效果优于多尺度近似熵(Multiscale Approximate Entropy,MAE)和小波包分解,PSO-SVM的故障识别效果优于参数不经优化的SVM和参数网格寻优法的Grid-SVM.本文方法能够有效诊断机车轮对轴承的不同故障,为提高机务段检测机车轮对轴承故障的精度提供了一种有效的方法. 相似文献
15.
16.
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。 相似文献
17.
18.
19.
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。 相似文献