共查询到10条相似文献,搜索用时 15 毫秒
1.
建立了RBF神经网络预测器模型,将其应用到机车双速度传感器的故障诊断中,并提出了诊断决策方法。利用MATLAB实现了RBF神经网络预测器的仿真,并模拟了机车速度传感器输出的3种故障模式进行了故障诊断辨识。仿真结果表明文中提出的方法能够准确地进行速度传感器在线故障诊断,为机车速度传感器故障诊断提供了新的思路。 相似文献
2.
3.
4.
《铁道科学与工程学报》2017,(5)
针对列车滚动轴承振动信号的非高斯、非平稳性特征,提出一种基于集合经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)和径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)相结合的滚动轴承故障诊断方法,利用EEMD方法对振动信号进行分解,得到前8个本征模态函数(Intrinsic Mode Functions,IMF)分量,将归一后的IMF能量特征向量作为RBF神经网络的输入向量构建故障诊断模型,从而实现滚动轴承的故障识别。将RBF神经网络方法和BP(Back Propagation)神经网络进行对比,本文提出的方法能精确识别正常轴承、滚动体故障、外圈故障和内圈故障等4种轴承状态,为提高列车滚动轴承故障诊断的准确性和实时性提供了新思路。 相似文献
5.
《铁路通信信号工程技术》2015,(5)
在研究高速列车典型测速测距传感器特点的基础上,提出传感器故障分类方法,可以将不同传感器、不同类型的故障进行统一的划分。在故障分类的基础上,提出故障分析模式,将传感器的工作模式分为可信、可用、在线和故障,并应用该模式对测速测距系统传感器故障进行实例分析。分析结果表明,该模式可以对任意组合的故障进行分析,具有重要的实用意义。 相似文献
6.
7.
针对铁道车辆滚动轴承故障诊断,提出1种改进的小波包与BP神经网络相结合的故障诊断方法,并开发出基于该方法的铁道车辆滚动轴承故障诊断系统。用压电加速度传感器采集轴承试验台的模拟故障轴承振动信号,对采集到的信号先进行小波降噪,再通过小波包分解,构造特征向量,以此作为故障样本对改进的BP网络进行训练,实现智能化故障诊断。实验结果表明,基于该方法的故障诊断系统能够很好地诊断出铁道车辆滚动轴承内圈、外圈及滚动体表面出现的疲劳、剥落、磨损和裂纹等故障,具有实际工程应用价值。 相似文献
8.
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. 相似文献
9.
熊厚秋 《电力机车与城轨车辆》2011,(5):77-78,85
文章介绍了电机速度传感器检测原理、测速装置以及速度传感器例行试验参数,并提出典型故障判断方法,为机务段检修和售后服务人员处理机车故障提供参考. 相似文献