动车组故障预测与健康管理系统方案研究

结合国内动车组实际需要和列车运行传感技术的发展现状,对现阶段建立动车组故障预测与健康管理地面系统的数据、用户及业务需求进行了分析,提出了基于超融合技术、铁路总公司和动车段两级硬件部署、铁路总公司–铁路局–动车段–运用所四级应用的系统设计方案,明确界定了故障预测与健康管理系统与既有动车组管理信息系统的接口和预测故障的闭环管理机制,并对动车组健康管理系统的应用前景进行了展望,对建设动车组PHM系统,实现动车组视情检修,提高动车组运用、维修效率进行了积极的思考。     

动车组故障编码规则标准研究

通过分析中国铁路总公司、铁路局、主机厂对动车组故障编码的使用需求,分析故障代码编制原则,研究形成信息系统用动车组故障代码、故障简码和车载故障诊断代码编码规则,制定中国铁路总公司标准Q/CR474—2015《电动车组故障编码规则》,规范并统一动车组故障编码规则。     

基于模型预测方法的高速动车组空簧压力低故障预测研究

高速动车组发生空气弹簧压力低故障后,车辆自动限速运行,需要停车检查或车辆入库后根据故障信息来推断故障原因。为了能在故障发生前进行预判,文章提出了基于模型的预测方法。模型以车载无线传输装置记录的历史故障数据和健康管理系统报表数据为故障预测的数据来源,通过分析静态和动态数据确认模型关联参数,从阈值、差值、空簧压力下降速率3个维度搭建预测模型,并通过实车跟踪,成功验证了模型的有效性。     

基于关联规则的铁路信号设备故障诊断方法

为提升铁路信号设备的故障处理效率,在对故障文本信息分析的基础上,提出一种基于关联规则的铁路信号设备故障诊断方法.由于故障文本信息存在不规范性和高维性,首先采用TF-IDF(Term Frequency and Inverted Document Frequency)算法提取故障文本信息中的故障特征,根据故障特征、故障类...     

动车组侧门故障原因分析及改进

分析了动车组侧门故障产生的原因,提出了相应的处理对策。     

CR400BF平台动车组故障预警预测研究

根据动车组运维现场实际需求,基于动车组状态参数监控标准、车载报故障逻辑,以及现场重点故障特征等信息,建立故障预警预测模型,制定预警预测故障代码及故障处置建议措施。依托动车组故障预测与健康管理系统开展模型试用,验证了模型的可行性和适用性。通过开展CR400BF平台动车组故障预警预测研究,为动车组的远程监控提供了有力的技术支撑,有效降低了动车组的运行安全风险,保障了动车组的运行秩序。     

动车组牵引电机接地故障预测

牵引电机是动车组动力传动系统中的关键部件,在牵引电机故障中最常见的故障为牵引电机接地故障。通过对某动车组牵引电机控制单元的历史数据挖掘,实现对牵引电机接地故障的预测。数据挖掘建模使用了RBF神经网络、决策树和支持向量机3种机器学习算法。试验结果表明,3种算法的预测准确度均高于84%,其中决策树相较于RBF神经网络和支持向量机,具有更高的预测精度,模型预测精度达到85.6%。因此,选取决策树模型预测动车组牵引电机接地故障的发生。     

用于动车组故障检测的图像识别算法

动车组运行故障动态图像检测系统（TEDS）通过比对现场图像与其历史图像,实现列车运行状态的实时监测和自动报警。由于不同时间采集的图像存在一定程度的差异性,使得单纯基于SIFT特征匹配的故障识别算法误报率较高。为此,本文提出一种自适应融合局部和全局匹配的图像故障识别算法:将图像以车厢为基准对齐配准;基于SIFT特征匹配,通过局部比对粗略定位故障区域;以上述区域为模板,搜寻历史图像以精准定位故障位置。实验结果表明,本算法能有效地分析和预警运行动车组的异常情况,使得系统用户可及时发现重大故障,提升动车运营质量。     

动车组故障编码方法分析

为了提高动车组故障信息描述的准确性、规范化,为动车组的维修提供更有力的基础数据支持,提出了动车组故障编码的设计方法.对动车组管理信息系统中既有的故障描述信息进行了梳理,制定了比较规范的故障名称字典.根据故障名称字典和编码的基本原则,确定了的码元集合、编码组成及码位分布,最终得出了一种故障编码的具体方法.该编码尽量达到结构简单、适用,降低数据的存储空间,便于管理和使用,提高故障信息查询的效率.     

基于主成分分析法的动车组空调故障检测技术研究

针对动车组空调系统难以建立准确的模型进行故障检测的问题,采用主成分分析法对空调系统采集的大量运行数据进行特征提取,建立动车组空调系统主元模型,通过平方预测误差统计量指标进行故障检测。并使用运用中采集的蒸发器脏堵、制冷剂泄漏、传感器异常等故障数据进行了检测测试,取得了良好的效果。     

基于改进双曲交点算法的牵引电机故障诊断

CRH(China Railway High Speed)动车组高速列车已成为我国最重要的交通工具,而高速列车牵引电机的可靠性对于保障列车安全运行具有重要意义.提出一种基于改进双曲交点算法的参数估计方法,采用双曲交点作为搜索点,通过约束条件限制搜索点的数目,并在参数估计过程中改变控制参数调节算法的自适应性,以提高参数估计的效率和准确率.以CRH2高速列车牵引电机为模型,基于数学模型在Matlab/Simulink中建立仿真模型,结合所提出的算法进行参数估计.研究结果表明,提出的参数估计方法,能够有效地提高电机故障诊断效率并准确诊断电机定子绕组故障,验证了所提算法的有效性.     

基于状态维修的动车组关键部件寿命预测

随着社会科学技术的发展,动车组维修技术得到了提高,动车组运行时间越长相应的故障率也越高。通过状态维修策略中采集实时数据,与正常值进行对比,就可以发现非正常值,然后预测关键部件的寿命,使动车组达到最优状态。利用状态维修策略建立关键部件的寿命预测模型,通过MATLAB计算数据。结果表明,所研究的模型方法可用于故障性动车组将要运行时间的确定。     

基于改进蝙蝠算法优化LSTM网络的短时客流预测

准确地预测地铁站短时客流量,对地铁站通风空调系统的节能优化具有重要意义.充分考虑地铁客流量非线性、随机性、周期性等特点,提出一种基于改进蝙蝠算法(IBA)优化长短期记忆(LSTM)神经网络的短时客流量预测模型(IBA-LSTM).引入反向学习、动态自适应惯性权重与拉格朗日插值法等方法改进蝙蝠的全局搜索与局部寻优能力,克服标准蝙蝠算法易早熟、易陷入局部最优值的问题;利用改进的蝙蝠算法对LSTM网络的隐含层节点数、迭代次数、初始学习率、学习率下降因子4个参数进行优化;利用西安某地铁站自动检票系统(AFC)采集的客流数据,对模型的有效性进行检验.实验结果表明:该预测模型在均方误差、均方根误差、平均绝对百分比误差等方面均优于标准蝙蝠-LSTM模型、LSTM预测模型、BP预测模型及BP-Adaboost预测模型,所提出的方法可有效应用于短时客流量预测.     

高速动车组大数据PHM系统研究与应用

针对延长高速动车组使用寿命和提高使用效率的问题,在研究了工业大数据、故障预测与健康管理（PHM）的定义和应用、PHM相关标准以及国外PHM软件开发平台的基础上,搭建了基于大数据的车载、地面故障预测与健康管理系统一体化的功能架构并提出技术实现方案,应用动车牵引电机轴承温度健康状态模型,以牵引电机轴承温度和环境温度数据为基础,进行了实例分析。     

基于回声状态网络速度预测的高速动车组优化控制

精确的速度预测控制是实现高速动车组安全、准点、节能优化控制的基础。然而,高速动车组运行过程干扰因素多、动力学非线性复杂,难以通过数学分析的方式建立其精确的速度预测模型。文章充分利用回声状态网络在非线性时间序列预测方面的优势,进行高速动车组运行速度的在线预测,同时采用多目标粒子群优化算法对预测控制输入进行多目标优化,实现高速动车组运行速度的精确控制,并基于某型号高速动车组的现场运行数据,仿真验证了本文方法的有效性。     

基于黄金比例遗传算法的动车组列车节能优化研究

为研究注重最小化能耗的动车组列车运行控制,针对列车单质点模型受力分析不准确问题,提出一种对附加阻力进行处理的多质点方法,进而以多质点模型为基础进行2次优化。为解决遗传算法寻优时容易陷入局部最优的问题,提出一种基于黄金比例遗传算法的优化方法,1次优化通过该算法为列车运行寻求一组满足约束条件的目标速度集合,获得列车节能运行速度曲线。考虑过电分相对列车运行的影响,进行2次优化,将运行区间划分为操纵固定段和操纵可优化段,并通过黄金比例遗传算法搜索出一组操纵可优化段内满意的工况转换点,结合1次优化得到列车最终运行曲线。以兰考南-开封北线路CRH3型动车组为仿真实例,列车运行能耗降低了10.83%,表明所提方法是可行的。     

便携式动车组故障诊断系统设计

随着大量动车组投入运营,日常检修和维护工作十分艰巨,要求检修人员对故障的判断必须高效而且准确。本文提出一种便携式动车组故障诊断系统的设计理念及实现方案,介绍了系统的主要功能与特点,对软件设计思想进行总体概括,并对系统软件中所涉及的关键技术进行了分析说明。     

动车组故障检测机器人系统的设计与实现

介绍故障检测机器人技术在动车组故障检测中的应用,研究以机器人技术代替人工进行动车组车底故障检测,解决检修压力过大,检修能力不足的问题,通过采用动车组故障检测机器人减少人为不可控因素对动车组车底故障检测的精度和工作效率的影响。降低对人工检测的依赖,提高动车组检修工作效率、工作质量、检测故障准确率,为动车组车底故障大数据分析提供数据基础。对动车组故障检测机器人的组成及功能、具体设计及柔性结构的实现进行详细的研究和叙述。     

基于EEMD-GA-BP的组合客流预测算法研究

以高速铁路泰安站到达客流为研究对象,从客流数据的时频特性角度分析客流的特征,并结合经验模态分解法的时频分析优势以及遗传算法优化的神经网络的拟合能力,探索可行组合预测算法,以泰安站到达客流数据为例进行了实例分析,比较不同的IMF分量重构方法并确定了较优方案。     

基于改进Dijkstra算法的进路搜索研究

进路搜索是计算机联锁的核心部分,其准确性及高效性对保证行车安全至关重要。建立铁路站场结构的有向图模型,将站场进路搜索问题转化为有向图的遍历问题;根据铁路站场简化图的特点,从数据存储结方式和队列结构2个方面改进传统Dijkstra算法,采用广度优先搜索方式,提出以最短路径为目标函数的进路搜索策略;编制仿真程序对该算法进行验证,结果表明:基于改进Dijkstra算法能够正确、高效地完成多种类别进路搜索。