基于数据挖掘的车辆传动系统运行状态监测研究

引言传动系统不仅是影响车辆机动性的核心部件,也是致命故障的主要来源之一。因此,对传动系统的状态监测与故障诊断是车辆故障预测诊断的核心内容之一。本文将数据挖掘技术引入车辆传动系统的状态监测与故障诊断领域。通过数据挖掘技术能够存储并快速检索大量的、有噪声的、模糊的、不完全的、疏密不均和随机的监测诊断数据,提取隐含在数据中的知识规则、模式和关系,自动进行     

基于无线数据采集技术的地铁车辆地面试验在线监测系统

地铁车辆地面试验是地铁调试的关键步骤,为了提高试验效率和可靠性,必须对其进行在线运行状态监测。文章针对地铁车辆分布式采集系统在数据传输上存在的困难,提出了一种基于无线数据采集技术的地铁车辆地面试验在线监测方案,该系统具有数据存储分析、状态监测、故障诊断的功能,可实现大范围内的地铁车辆运行状态的实时监控。     

基于SPIN算法的异步电机转子断条故障信号分离

目前采用通信技术对异步电动机状态进行监测及故障诊断过程中,常需要加大信息采集量来确保诊断结果的可靠性,造成数据传输占用带宽变大、数据存储占用空间增多的问题.由于考虑到在故障诊断系统中正常信号并不具有故障分析的意义,若将故障信号进行分离提取后作为系统的输入,则数据传输和处理过程可节省出更多时间与空间.因此,提出将SPIN算法应用到异步电机转子断条故障诊断中提取故障信号的过程中,运用MCSA方法将异步电机定子电流信号建模为故障分量与正常分量信号的总和,对原始信号进行梯度投影将分量信号分别恢复出来,进而达到分离故障特征信号的目的.     

基于KWP2000的信息采集系统的开发

针对目前汽车电子技术的快速发展和对车辆实现快速故障诊断的需求,设计并开发了基于KWP2000的车载信息采集系统。系统采用嵌入式ARM Cortex-M3芯片为控制单元,可实现发动机ECU与采集设备之间稳定可靠、快速的数据通信,实时采集车辆的速度、故障码等数据,便于故障诊断。     

基于电磁转矩的城轨列车电机-齿轮传动耦合系统故障诊断方法研究

针对城轨列车电机-齿轮传动系统中电气、机械部分难以耦合而导致各自独立研究问题,综合考虑电机非线性磁导和齿轮时变啮合刚度,建立基于电机等效磁路网络模型(PNM)的城轨列车牵引传动系统机电耦合动力学模型.在此模型上,考虑定子匝间绕组短路故障及鼠笼转子导条断裂故障,求得故障下机电耦合系统的动态响应;基于电磁转矩进行故障诊断,并与矢量控制单电机模型的诊断结果进行对比研究.研究成果表明:在低频域,PNM的电磁转矩频谱比矢量控制单电机模型的频谱在故障频率处幅值更大,更易于识别故障;在高频域,PNM电磁转矩诊断方法能识别到更为明显的电源频率的高次谐波分量,在机电耦合系统的故障诊断中更有优势;基于电磁转矩的故障诊断方法可以有效诊断城轨列车机电耦合系统故障,为无传感器的故障检测技术提供理论支持.     

远程通信铁路机车运用状态实时监测系统的研究

铁路机车运用状态实时监测系统将机车的运行信息、故障信息及机车的参数信息通过远程移动通信技术直接传输到地面监测系统，解决了长期以来铁路地面无法实时采集机车数据的问题，从而实现了对机车的远程实时监测。利用电子地图技术实现对运行机车自动跟踪、定位、轨迹实时显示；采用故障诊断专家系统设计思想对实时故障进行诊断处理、指导司机操作，确保行车安全；对机车参数信息进行存储、分析、；12总，为机车操纵人员和维修人员提供决策依据，为状态修提供原始数据。主要阐述了系统的总体架构及各模块的设计思想，可以为其他远程监测系统提供很好的解决方案。     

柴油机气门漏气故障时频分析诊断研究

气门是柴油机的关键部件之一,故障率较高,如果出现故障将严重影响柴油机的性能.文中介绍了时频分析理论.利用时频分析方法对柴油机正常和排气门漏气故障状态下的缸盖和机体表面振动响应信号进行了分析,2种状态下结果区别明显,说明时频分析方法能够应用于柴油机的故障诊断和状态监测.     

电控发动机自诊断系统原理及测试技术

汽车上的电子控制部件越来越多，涉及到发动机、底盘和车辆行驶控制技术等方面。当其中的某一元件发生了故障，仅从其外表或依靠传统的检测工具很难去检查，现代新型的发动机管理系统中都设有自诊断功能，称为“车载故障诊断”，该系统的任务是不断监测车辆异常之处，从中找出故障。     

汽车状态远程监测技术

远程监测诊断技术是计算机技术、通信技术与故障诊断技术相结合的一种全新的故障诊断模式，并随着Internet和WWW(World Wide Web万维网)技术的普及而发展。在介绍当前该技术国内外研究现状的基础上，分析了基于ITS、GPS和GSM／GPS的汽车状态远程监测系统的组成和特点，并就如何实现汽车状态远程监测提出了一些看法。     

设备状态监测与故障诊断技术在筑路机械管理中的应用

介绍设备状态监测与故障诊断技术在筑路机械管理过程中的应用，开发状态监测工作的作用及形式、诊断与案例分析等。     

面向拥堵筛查决策应用的物联网云平台模型

利用地磁传感技术、车辆检测识别技术、通讯控制技术、物联网云平台技术、预测技术等，通过建立仿真模型进行分析，获得适用于收费站车流、车速检测拥堵状况的流量快速筛查与自动决策方案，并通过后续的设计优化，研发出一套可以满足对收费站车辆运行状况的精准、快速、高效监测、筛选和响应系统，实现收费站车流状态实时监测、数据上传、存储与报警、车流预测等功能，真正实现快速、高效的排堵保畅。     

铁道信号系统安全计算机状态监测方法

基于隐马尔科夫模型(Hidden Markov Model,HMM)提出了状态监测和故障诊断的原理与基本流程。通过观测数据的提取与降维,正常态模型训练与改进,故障态模型训练等一系列措施,实现了两模冗余安全计算机的状态监测,对正常态与时钟偏离1%～10%等7种不同条件进行监测。监测结果表明:对数似然概率均值从-228.98降至-1 385.60,健康状态不断恶化。对1号处理单元(PU1)故障状态进行仿真监测时,将PU1故障与PU1故障态、正常态、安全容错管理单元(FTSM)故障态、通信控制器(CC)故障态以及系统受扰故障态进行比较,得到对数似然概率均值分别为-161.95、-13.72、-14.13、-40.17及-35.69,证明了系统所发生的故障是因PU1所致。监测方法能够有效实现安全计算机健康状态的检测,为铁道信号安全计算机监测技术提供理论支撑。     

基于模糊积分的潜隐性故障状态转移过程分析

探讨了潜隐性故障的概念,分析了多态系统状态转移的马尔可夫过程,提出了基于模糊积分信息融合技术的故障诊断方法,在利用HMM模型进行初级诊断的基础上,采用加权平均方法确定模糊密度,通过科学计算模糊积分值实现潜隐性故障状态综合诊断识别.最后以某雷达火控设备单元控制模块为例验证了其有效性.该方法克服了智能故障诊断训练样本获取难...     

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。     

货车滚动轴承故障不分解诊断技术参数选择与优化探讨

货车滚动轴承内部故障是行车安全的重大隐患.定期检修时如何对不分解的轴承进行有效诊断,一直是车辆部门攻关的重点课题.由于缺少对轴承故障机理的认识,缺少故障诊断的方式方法,造成故障轴承投入使用,引起行车事故时有发生.     

故障诊断专家系统应用研究

提出了直流斩波电路故障诊断专家系统的理论根据及设计方法。知识库设计为多元故障树，诊断数据来源于对被诊断对象的测试与知识推理，依据特征向量实现故障定位。采用功能级故障诊断模型比依据网络理论建立的数学模型更为简便。     

列车定位单元ODO故障分析及HMM的应用研究

列车运行过程中车轮会出现打滑抱死等现象,导致ODO(odometers)呈现功能故障状态,针对这一问题,进行了列车定位单元ODO故障分析及HMM(hidden Markov models)的应用研究.首先利用神经网络方法对ODO故障状态进行诊断;然后,引入基于HMM的故障诊断方法,从模式识别角度出发,建立ODO隐藏的故障状态模型,通过输入观测序列与分类器中的HMM匹配,得出ODO的故障诊断结果;最后,通过遗传算法对HMM中的参数训练部分进行改进.实例分析结果表明:利用神经网络进行故障诊断的故障识别率为33.3%,基于HMM的故障诊断方法对于正常和故障状态的诊断精度可达100%,总体诊断精度可达95%,利用遗传算法进行参数改进后经仿真对比表明:在训练速度上遗传算法可以较快到达稳态,训练精度提高了86%;在高噪声背景下用神经网络方法实现故障诊断具有明显缺陷,利用遗传算法可以改进B-W(Baum-Welch)算法易陷入局部最优的缺陷,基于HMM的故障诊断方法相较于神经网络方法有更高的准确性.     

神经网络与D-S证据理论分层融合的柴油机综合故障诊断方法研究

针对柴油机传统故障诊断方法处理数据量大、故障类型复杂多变的问题时存在诊断准确率不高的现状,利用数据融合原理,将神经网络和证据理论进行有机的结合,提出了神经网络和证据理论分层融合的柴油机故障综合诊断方法.该方法通过并行神经网络的结构提高局部诊断网络的诊断能力,并给出了基本可信度分配的客观化方法,充分利用各种故障的冗余和互补信息,可显著提高故障诊断的准确率.诊断实例表明,该方法能显著提高柴油机故障诊断系统的效率.     

基于COM技术的远程虚拟设备故障诊断系统

针对设备远程故障诊断研究中存在的问题，将COM作为核心技术引入到远程虚拟设备故障诊断系统中，深入分析了基于COM技术的设备故障诊断系统的设计与实现方法，使其具有监测诊断的智能性、自主性．并且分析了COM技术、DCOM技术和虚拟测试技术．     

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