基于动作电流波形树表达的道岔转辙机状态检测方法

给出了一种基于波形树的随机波形表达算法,即根据波形的特征点递归求出其波段组成的波峰集合。针对信号微机监测设备测试的道岔动作电流曲线,分析了ＺＤ６型电动转辙机电流曲一的波动特征,通过计算电流岷线的波形表达识别出道岔转换的各个阶段,检测出波 蕴涵的故障征兆。最后给出一个故障同示便,并指出方法的适用范围。     

基于PCA-WT的道岔故障电流特征识别

针对道岔故障电流特征识别中存在的特征冗余,提出一种基于小波变换和主成分分析的道岔电流特征提取方法.首先利用离散小波变换对道岔动作电流曲线分解重构得到各频带信息,采用主成分分析法选取有效频带信息建立特征向量以降低特征维度,减少数据计算量;然后利用BP神经网络进行电流特征分类,从而实现道岔故障诊断.以实际现场监测数据作为测试样本,通过实例仿真验证了本文方法的有效性.     

基于AOK-TFR的轨道电路故障诊断方法

为弥补现有补偿电容检测方法在检测及时性和检测成本等方面的不足,基于传输线理论,提出了机车信号感应电压幅值包络(IVECS)仿真模型;在此基础上,分析了补偿电容故障对IVECS的影响规律,建立并验证了基于频率的IVECS等效回归模型;利用补偿电容故障位置前后IVECS的频率变化,提出了基于自适应最优核时-频分布的补偿电容故障诊断方法.该方法基于机车信号的实际数据,采用B样条离散二进小波对数据进行滤波降噪处理,并利用自适应最优核时-频分布提取处理结果的时-频信息,再通过检测时-频信息中频率的变化实现对故障电容的定位.经过对随机抽取的100段实际数据的测试,准确率约为92.58%,表明该方法能准确检测轨道电路发生故障的补偿电容位置.     

柴油机故障的诊断与排除方法

“七分诊断,三分修理”,已成为时下汽车维修业的一句行话,足见诊断技术在当今汽车维修过程中的重要性。随着汽车结构的不断变革,特别是电子技术在现代汽车上的广泛应用,汽车故障诊断的方法也在不断的推陈出新,与传统的诊断方法相比有很大的区别。柴油机在使用过程中有时会出现这样或那样的故障,其现象多种多样,造成故障的原因也十分复杂。     

柴油机故障的诊断与排除方法

"七分诊断,三分修理",已成为时下汽车维修业的一句行话,足见诊断技术在当今汽车维修过程中的重要性。随着汽车结构的不断变革,特别是电子技术在现代汽车上的广泛应用,汽车故障诊断的方法也在不断的推陈出新,与传统的诊断方法相比     

基于Copula函数的高速列车转向架故障特征提取

为了实时监测高速列车转向架关键部件的工作状态,提出了一种基于Copula函数的特征提取方法.以某型高速列车转向架正常、抗蛇形减振器失效、空气弹簧失效、横向减振器失效4种工况的振动信号为研究对象,将信号进行聚合经验模态分解,针对得到的本征模态函数,使用Gaussian Copula函数构建它们的联合概率密度函数.提取边缘分布的Kullback-Leibler Distance值,及联合概率密度函数的均值和方差作为特征,采用支持向量机进行识别.实验结果表明,在200 km/h速度下,故障平均识别率在95%以上,表明了该特征提取方法的有效性.      

一种基于模式识别的故障在线诊断方法

该项研究的目的是为了提高快速实时自动控制系统在线故障诊断能力，介绍了一个基于模式识别的故障在线诊断系统，并结合一个电力电子电路故障诊断实例说明了该系统的具体实现。针对采用软件实现时在线诊断能力不强的缺点，提出了一种软硬件相结合的方法，以提高在线诊断能力。重点讨论了实现这一方法的专用波形采集卡的结构和功能，往往以及相关的技术处理措施。实验结果表明，该方法思路正确，显著地提高了在线故障诊断能力。     

基于贝叶斯网络的地铁设备故障诊断方法

故障诊断时间在目前地铁设备故障修复总时长中占比较高,如何有效缩短故障诊断时间成为提高地铁设备故障维修效率的关键。鉴于此,为快速分析地铁设备系统中的薄弱环节,以故障诊断时间为判定标准,提出基于贝叶斯网络的地铁设备故障诊断算法,将贝叶斯网络计算的故障概率与该种故障排查时间相结合作为预期故障诊断时间指标,并以该指标值从低到高依序进行故障排查诊断。然后基于调研获取的全国17家地铁公司列车客室门故障数据,利用蒙特卡洛仿真和3D数字孪生对比人工排查和本算法在故障诊断方面的效率差异。算例结果显示,利用本算法定位故障点时所消耗的时间是人工排查时长的43%～48%,表明基于故障诊断时间的贝叶斯网络地铁设备故障诊断算法能快速分析出系统中的薄弱环节,提高地铁设备故障的维修效率。     

基于信息融合的船舶机械故障诊断方法的研究

机械与材料工程学院严新平教授主持的科研项目“基于信息融合的船舶机械故障诊断方法的研究”，得到教育部资助. 1.项目研究目标 1) 设计适用于船舶柴油机故障诊断的信息融合体系. 2) 发表研究论文8篇，其中四大检索系统收录3篇. 2.研究内容 1) 研究基于油液、振动、热力参数监测的信息融合模型. 2) 研究小波分析和分形理论在磨损状态描述与识别中的方法. 3) 研究遗传算法和神经网络技术在船舶柴油机运动状态的趋势分析与使用寿命预测中的应用. 4) 开发船舶柴油机基于信息融合的故障诊断系统. 3.项目拟解决的关键问题 通过此项研究，着重解决(或部分解决)两个关键问题： 1) 利用振动和油液监测获得的信息，为通过信息融合模型实现机械动力学和摩擦学系统的状态描述. 2) 充分考虑船舶机械作业的特殊性，提出适用于现场应用的故障诊断方法与技术. 4.项目的创新之处在于可系统地综合振动、油液和热力参数监测方法，实现船舶柴油机故障诊断；可采用信息融合思想，研究动力学系统和摩擦学系统的信息特征及其相互之间的关系. 科技处(余区办) 章爱武     

基于案例推理的轨道交通信号设备故障诊断方法

轨道交通信号设备是关系轨道交通运输安全的核心设备,具有设备种类多、结构复杂的特点。当某一设备发生故障时,单独依靠人工排查往往不能快速的解决故障。本文将案例推理的思想运用于轨道交通信号设备的故障诊断,并根据轨道交通信号设备特点设计案例推理方法,为轨道交通信号设备故障诊断系统的构建提供决策依据。     

基于矩阵扰动分析的模拟电路故障诊断方法

为了实现模拟电路的故障检测、故障定位和参数辨识的一体化处理,便于工程实施和降低故障诊断成本,提出一种基于矩阵扰动理论的模拟电路故障诊断与参数辨识方法.首先,对故障电路的采样时间序列值进行曲线拟合,得到电路故障相位偏移信息,并作为一个故障特征;其次,将采样序列构成一个方阵,求解该方阵的迹作为另一个故障特征;第三,以相位偏移信息和响应矩阵的迹随被诊断器件参数的变化而变化的对应关系为基础,结合两个故障特征,建立故障模型;最后,通过对两个国际标准电路诊断的实验验证结果显示,该方法故障定位准确率在98.5%~100%范围内,故障参数辨识误差在-1.2%~1.72%范围内.     

基于神经网络的柴油机磨损故障模糊诊断方法研究

针对柴油机磨损故障的特点，探讨了获取和表示诊断信息的方法，提出了采用神经网络与模糊理结合的模型诊断磨损故障。将该模型应用到柴油机磨损故障诊断中，其诊断准确率令人满意。     

地铁道岔故障的应急处理原则与办法研究

设备本质安全是地铁运营管理的目标,但有时设备故障在所难免。地铁道岔是列车折返、变更进路时必须使用的行车关键设备,一旦发生故障将会对行车组织安全、效率造成很大影响。本文结合道岔故障处理经验,总结了各类道岔故障情况下的应急处理原则与方法,在道岔故障时能有效地组织边运营边抢修,提高故障处理效率。     

基于道岔曲线信息的列车定位方法研究

在安全苛求的现代列车控制系统中,列车的实时定位是一个十分重要的环节. 传统的基于里程计的列车定位方法只能提供列车行驶的里程信息,在具有多条平行股道的铁路车站,传统的列车定位方法无法解决轨道占用识别的问题. 本文根据列车在铁路线路上运行的特点,提出了基于道岔曲线信息的列车定位方法,该方法利用GPS及惯性传感器辅助提取列车在道岔处的速度、加速度、角速度等运行特征,得到列车在道岔处的转弯半径、曲率变化及运行方向,并通过与车载地图数据库进行比较,实现准确的轨道占用识别及列车定位. 文中给出了采用传感器获取运行特征的方法以及实现道岔信息匹配的流程. 现场测试结果表明,在当前试验条件下,该方法已具备较强的轨道占用识别能力,能够在一定程度上提高列车定位的性能.     

基于手机传感器数据的出行特征提取方法

手机调查方法的已有研究较多集中于基于手机信令数据的宏观出行特征获取,而手机传感器数据在个体出行链微观出行特征提取方面具有优势.针对城市居民多采用组合交通方式出行的特征,研发智能手机应用软件,实现GPS数据(位置坐标与速度)、加速度计、服务基站、WiFi等传感器数据采集.运用小波分析、神经网络等数据挖掘技术分析不同交通方式出行数据差异,探索多种数据挖掘算法用于个体出行参数提取的可行性及效果.结合实际案例,总结应用手机传感器数据进行出行特征精细化提取的难点和技术关键.最后,探讨精细化个体出行数据在交通模型和理论优化方面的应用.     

道岔故障情况下前往故障点方式的研究

道岔故障影响范围广,应急处置必须争分夺秒,尽快钩锁好道岔恢复有限度运行。通过对比计算步行前往故障点和乘车前往故障点的时间,为道岔故障时前往故障点的方式选择提供参考依据。     

汽车电路故障诊断方法综述

随着行驶里程的增加，汽车技术状况变状及产生故障，是不可避免的。尤其随着汽车单车电气设备的成倍增加，汽车电系故障更是一个难点与焦点。该文提供了各种诊排方法与实例。     

FMS故障诊断的神经网络方法研究

文中对神经网络理论应用于FMS(Flexible Manufacture System,柔性制造系统)故障诊断进行研究,在介绍了神经网络基本理论的基础上,提出一种FMS故障诊断的神经网络计算方法。