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。     

RS-BN算法在高铁车载设备故障诊断中的应用研究

针对高速铁路列控车载设备结构复杂、故障诊断特征不确定、传统故障诊断方法过于依赖专家经验、故障诊断自动化程度低等问题,提出一种贝叶斯网络与粗糙集模型约简技术相融合的故障诊断方法。首先对故障追踪表进行分析提取和数据挖掘,结合专家经验建立诊断知识数据库;其次对故障数据进行K2算法学习、训练,并结合诊断知识数据库先验知识建立BN结构模型;然后结合故障信息数据建立诊断决策表,利用粗糙集进行条件属性约简,消除冗余条件信息,简化模型并建立基于RS-BN算法的BN结构模型;再通过MLE算法进行BN模型的参数学习,获得模型的条件概率表,建立完整的BN诊断模型;最后对约简模型和未约简模型进行对比分析。通过某高铁实际故障数据仿真验证分析,测试结果证明了该方法有较高的准确性和实际模型的高似然度。     

基于粗糙集和模糊推理的高铁扼流适配变压器故障诊断研究

文章梳理了扼流适配变压器故障模式和类型，完成了室内电路搭建及故障数据采集；选用粗糙集理论进行决策规则提取，在保持分类能力不变的条件下，去除监测数据表中大量的冗余特征，并提取出简明决策规则；进一步结合模糊推理，确定适用的隶属度，实现高正确率的故障诊断；最后，利用实际数据对此诊断方法的效果进行了验证，诊断正确率为92.5%，满足实际需求。     

基于粗糙集神经网络的车载设备故障诊断

由于神经网络在车载设备故障诊断中存在网络结构复杂、训练时间长的问题,利用粗糙集理论处理不确定数据的优势,对BP神经网络进行优化。提出属性约简算法,去掉冗余信息,保留必要属性。通过对现场车载设备故障数据的实例分析表明,优化前后性能提升明显,且使用该方法能有效减少输入层神经元个数,提高车载设备故障诊断的效率和准确度。     

基于粗糙集理论的列控车载设备故障分析方法

快速、准确的故障诊断技术是高速列车安全运行的重要保证,本文以此为目标,对列控系统故障诊断方法进行研究,将神经网络算法NN分别应用于列控系统车载设备应答器传输单元BTM、列车接口单元TIU的故障诊断中,通过对比故障识别准确率BTM为训练阶段19.89%、测试阶段36.51%,TIU为训练阶段96.93%、测试阶段94.84%,得出当数据中噪声较大时,神经网络的分类能力降低。为了解决以上问题,引入粗糙集理论进行属性约简、去除噪声,用神经网络进行故障识别,最终得出BTM的故障识别准确率为训练阶段93.32%、测试阶段97.41%,TIU为训练阶段99.21%、测试阶段96.72%,表明粗糙集理论和神经网络的结合RSTNN能够保证故障诊断的准确性,从而验证该方法在实现列控系统车载设备故障诊断方面的有效性。     

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.     

基于模糊神经网络的轨道电路故障诊断方法研究

将模糊神经网络FNN(Fuzzy Neural Network)理论引入轨道电路的故障诊断应用中,在对轨道电路的故障原因进行分析的基础上,根据轨道电路的工作原理和故障特点建立了FNN故障诊断模型。模型选定了3个关键部件的电压值作为输入,4种典型的故障作为输出,并根据专家经验总结了9条推理规则。通过对样本数据的学习训练,采用一阶梯度寻优算法对模型参数进行了优化。通过计算机仿真验证,这种用于轨道电路故障诊断的FNN模型是有效的,并具有一定的准确度,为轨道电路的故障诊断提供了良好的方法。     

基于Matlab的牵引变压器故障智能诊断方法研究

应用数据融合技术、模糊神经网络及遗传算法构建牵引变压器故障智能诊断模型,通过Matlab软件对该模型进行仿真,训练模糊神经网络以确定其结构和权重,并通过典型实例验证该模型在牵引变压器故障诊断中具有良好的故障诊断性能。     

平腕臂绝缘子表面的沙尘沉积特性仿真分析

兰新高铁接触网平腕臂绝缘子在大风沙尘环境中面临"沙闪"问题,研究不同因素下平腕臂绝缘子表面的沙尘沉积特性,可为此环境下绝缘子选型及设计提供理论依据。以FQBJ-25型棒式瓷芯复合绝缘子为研究对象,建立风洞积污仿真模型,采用多场耦合的数值计算方法分析风速、颗粒物粒径及质量浓度3种因素对绝缘子表面积污量的影响。仿真结果表明:随着风速的增大,绝缘子和各个伞裙表面的积污量均增加;当颗粒粒径大于13μm时,各个伞裙表面沉积的颗粒个数随粒径的增大而减少,但绝缘子表面的积污量随粒径的增大而增大;颗粒物质量浓度对绝缘子表面积污量的影响呈线性关系。各个伞裙表面积污量的变化与伞裙结构、风速、粒径及质量浓度有关,当曵力大于重力(大风速小粒径)时,伞裙结构的变化与各个伞裙表面积污量的变化具有一致性,反之,伞裙结构对积污量的变化影响很小。当曵力与重力作用相当时,颗粒物质量浓度越高,伞裙结构对各个伞裙表面积污量的影响越明显。     

基于着色Petri网的铁路时间同步协议建模及安全性分析

针对Autokey模型的铁路时间同步协议安全性问题,提出利用着色Petri网对协议进行安全性分析。剖析Autokey模型的铁路时间同步协议序列及其执行流程;重点针对其认证阶段,分别构建正常认证和加入中间人入侵的着色Petri网模型,分析中间人入侵时协议认证过程的不安全状态,建立模型状态方程;应用逆向状态分析法对铁路时间同步协议认证过程的安全性进行分析,得到中间人在认证阶段攻击协议的实施序列。研究结果表明:基于Autokey模型的铁路时间同步协议的认证过程是不安全的。     

一种快速获取输电线路 复合绝缘子临界污闪电压方法

针对获取输电线路复合绝缘子临界污闪电压而进行的复杂、耗时和投资较高的人工污秽试验以及用于表示绝缘子自身参数存在不足的问题,依据现场常用复合绝缘子的人工污秽试验,在基本伞形参数基础上引入4个伞形参数完善复合绝缘子的形状表示,提出一种基于生物地理学算法优化的BP神经网络模型,将8个伞形参数与盐密值ESDD和灰密值NSDD作为模型输入量,临界污闪电压作为输出量。研究结果表明:该方法与传统方法相比,能够更加准确地获取复合绝缘子临界污闪电压,模型输出值作为污闪试验的参考,可以降低污闪试验工作量,同时为输电线路绝缘子的结构优化和选型提供一种新的思路与方法。     

基于混合系统建模预测控制的列车自动驾驶优化运行

针对现有列车自动驾驶速度追踪精度不高的问题,提出一种基于混合系统神经网络反馈补偿控制的模型预测控制算法。根据混合系统建模的特点与优势,引入辅助变量,建立混合系统列车运行动力学模型。为了便于求解包含约束的预测控制律,采用二次规划方法求出满足列车各项性能指标的控制作用序列。神经网络反馈控制器用于对系统目标速度与实际速度之间的误差进行在线学习并求出一个补偿控制量,并将补偿后的控制力作用于列车系统模型。研究结果表明:该控制结构包含补偿控制策略,可以较大程度减小系统跟踪误差,保留模型预测控制的优势,同时提高系统的控制精度。     

动车组辅助供电系统健康状态评估

以CRH3型动车组辅助供电系统为例,采用一种基于合作博弈和云模型理论的健康状态评估方法,建立辅助供电系统健康状态评估指标体系,获取各元件指标及元件层的组合权重,确定各元件指标对动车组辅助供电系统各状态等级的隶属度,采用分层评估方法得到评估结果。研究结果表明:本文所采用的方法能够结合辅助供电系统的分层分析模型,直观地给出各指标、各元件以及辅助供电系统整体的健康状态信息,有效完成CRH3型动车组辅助供电系统的健康状态评估。     

基于性能的高速铁路钢管混凝土 拱桥地震经济风险分析

在基于性能的地震风险评价理论基础上,以一座高速铁路钢管混凝土系杆拱桥为例,采用有限元分析软件建立全桥模型,运用增量动力分析(IDA)方法对该桥拱肋进行地震易损性分析,建立关键截面的易损性曲线,结合地震危险性和损失比,选取年预期损失作为地震经济风险指标,定量分析该桥的地震经济风险。研究结果表明:IDA方法用于钢管混凝土拱桥的地震经济风险分析是可行的,该桥主要经济风险来源于超越概率较高的中小级别地震,占桥梁整体经济风险损失的77.3%,通过对易损区域的局部加固设计,在提高桥梁鲁棒性的同时可减小结构的地震经济风险。     

关于宝（鸡）兰（州）客专引入兰州车站方案研究

宝兰客专引入兰州枢纽,在规划中采用兰州西客站接轨方案.从城市格局、当地居民的乘车习惯、城市交通现状等方面,提出宝兰客专引入兰州站方案；并对宝兰客专引入兰州站和兰州西站的方案进行了论证分析.     

一种具有故障处理能力的电容箝位子模块拓扑分析

通过介绍T型子模块、电容箝位子模块和二极管箝位子模块拓扑,提出一种基于T型子模块的改进电容箝位子模块拓扑。分析系统在故障时子模块各器件的电参数变化,从理论上确定其器件耐压特性和故障阻断能力。在MATLAB/Simulink平台上建立基于MMC的整流电路进行仿真,并与二极管箝位子模块和T型子模块进行了比较。研究结果表明:该子模块具有较强的故障处理能力。     

基于BEMD-IPSO-SVM的 扣件完损状态检测

扣件的完损状态关乎铁路系统的安危,而传统检测算法运算复杂且精度不足,为进一步提升检测性能,提出基于BEMD-IPSO-SVM的扣件完损状态检测算法。该算法首先对初始化的扣件图像进行二维经验模态分解,提取固有模态函数的频谱特征,通过改进粒子群算法优化支持向量机来实现检测分类,达到了简化运算,增强泛化性,提升识别准确度的目的。通过实验仿真得出平均检测准确率可达95.15%,证明该算法在扣件检测方面切实可行。     

高速铁路泥岩地基膨胀特性试验研究

以兰新高铁一处典型膨胀泥岩路段为研究对象,在此现场取样,室内自制试验箱进行厚度分别为20,40和60cm的泥岩地基膨胀模型试验研究。研究结果表明:随着注水量和时间的增加,地基膨胀量整体呈外凸弧线增长;含水率小的地基膨胀潜势大,地基易膨胀,含水率大的地基反之;不同深度处的泥岩膨胀量不同,随着深度的增加,膨胀量逐渐减小;不同厚度地基含水率与膨胀量均呈良好指数关系;对地基膨胀量与含水率及地基厚度耦合作用下的计算模型进行探讨,计算模型所得膨胀量与实际室内试验量测数据拟合良好。研究成果可为膨胀泥岩地区高速铁路修建提供参考依据,对该地区同类工程建设具有借鉴意义。