基于EWT-MCKD的机车轮对轴承故障诊断

针对机车轮对轴承在实际运行过程中故障特征难以提取的问题,提出经验小波变换(Empirical Wavelet Transform,EWT)和最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)相结合的滚动轴承故障特征提取方法.对原始信号进行傅里叶变换得到Fourier频谱图,根据频谱中的极大值将Fourier频谱图进行分段得到若干模态分量,以无量纲的裕度指标作为评价指标,再采用最大相关峭度解卷积对裕度因子最大的模态分量进行降噪处理.通过分析其包络谱中的频率成分来实现故障诊断.研究结果表明:所提方法对不同故障类型的轮对轴承进行诊断,可以准确有效的识别轮对轴承故障类型,具有一定的工程实用价值.     

基下神经网络专家系统的机车故障诊断系统

分析了神经网络和专家系统理论之间的互补性,论述了两者集成系统所具有的特征,并结合机车电路的特点提出了在专家系统的基础上引入神经网络的智能诊断结构模型,成功开发出一套新型机车在线动态诊断专家系统,实现了机车状态监测和故障诊断,对保证机车的安全运行有重要的意义.     

基于神经网络联锁系统故障诊断专家系统的研究

介绍神经网络的专家系统的基本结构和工作原理,描述了基于神经网络的计算机联锁系统故障诊断专家系统.     

基于BP神经网络的道岔智能故障诊断方法

为将神经网络技术运用在铁路道岔故障诊断领域,提出了以神经网络技术为基准,针对道岔常见的3个故障类分别建立3个子神经网络,并总体组建成一个并行神经网络系统的道岔智能故障诊断方法,以帮助维修人员快捷、准确、自动地诊断出故障原因,降低故障处理时间,提高运行效率。     

基于神经网络的机车速度传感器故障诊断方法研究

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。     

基于模糊神经网络的道岔故障诊断系统研究

运用模糊理论和神经网络技术相结合的方法,构造了基于模糊神经网络的铁路道岔故障诊断系统,介绍该系统的的结构、原理及诊断过程,并采用Matlab神经网络工具箱进行仿真,仿真结果表明模糊神经网络方法适用于道岔设备故障诊断.     

延长轮对使用寿命的研究与探讨

铁道车辆轮对与轴承是确保行车安全的关键部件,近年来,为确保轮轴可靠性,一方面不断提升设计与制造水平,积极采用新技术、新工艺,提高轮轴设计和加工组装质量;另一方面,各单位不断提高检测设备的现代化水平,积极推行专业化集中修和寿命管理,使轮轴的使用状况有了很大改善。但是     

基于神经网络的道岔智能故障诊断方法的研究

本文将神经网络信息融合技术运用在铁路道岔故障诊断领域,为铁路信号领域提出了一种新型的道岔智能故障诊断方法。该方法能快捷、准确地融合从各传感器得到的故障信息,通过人工智能处理,自动诊断出故障原因,为维修人员提供技术参考,从而降低故障发生率和故障处理时间,确保运行安全,提高运行效率。     

基于小波分析的机车走行部故障诊断方法

基于小波变换原理,对机车车辆走行部的振动信号进行时频分析。根据走行部故障振动信号的特点,选用调制高斯函数作为分析小波,处理由损伤冲击造成的信号突变。试验表明,该方法对铁路机车高噪声背景下瞬变信号的描述比以往的时域、频域信号处理技术更为精确,对由单个或多个轴承局部损伤引起的振动信号突变十分敏感,是进行机车走行部故障诊断的一种有效方法。     

机车在线移动式轮辋轮辐探伤设备的研究与应用

随着国家经济建设的高度发展,机车车辆的运行速度越来越快,载荷也越来越重,对机车车辆检修设备也提出了更高的要求。车轮是机车车辆重要的走行部件,机车在高速重载行驶过程中,轮对需承受复杂的动态负载,在车轮踏面、轮辋、轮辐等部位易出现应力集中现象,造成车轮部件缺损、剥离、疲劳裂纹等故障的发生。因此,车轮的质量状況,直接影响行车安全,是保障机车车辆安全行驶非常重要的环节。     

机车主发电机故障诊断系统的研究

介绍了机车主发电机故障诊断系统的设计思想及具体实现。     

基于BP神经网络的200 km/h牵引变流器故障诊断技术的研究

在对200 km/h牵引变流器建立仿真模型的基础上,利用小波分析的手段提取故障特征,继而通过BP神经网络进行故障模式识别,得出变流器故障智能诊断系统。最后对网络测试能准确的做出故障诊断。     

基于改进BP神经网络的驼峰场车辆减速器故障诊断的研究

减速器是驼峰场控制速度的主要部分,随着当前高速铁路大发展和铁路货运量的提高,编组站解体和编组能力加大,车辆减速器使用率和故障率增加,而现场维修人员凭借经验的低效率维修已经不能满足当前的货运溜放要求,对驼峰溜放控制,钩车安全连挂提出更高的要求,因此根据现场收集的数据建立BP神经网络模型进行仿真训练,精确诊断驼峰车辆减速器TJK(Y)2,3的故障部位,仿真结果表明,故障判断准确率达到96%。     

BP神经网络在测力轮对横垂向桥解耦中的应用研究

BP网络是应用最广泛的网络之一。应用BP网络的计算原理，研究了BP网络在测力轮对横垂向桥解耦中的应用，同时利用测力轮对模型仿真计算的数据，进行了BP网络的训练与测试。     

基于RBF神经网络的传感器故障诊断研究

提出一种基于RBF神经网络的多传感器故障在线诊断方法。同时对该方法在摆式列车加速度传感器故障诊断中的应用进行了仿真研究。仿真结果表明此方法是有效的，不仅消除了零偏对故障诊断的影响，而且提高了故障检测率及可靠性。     

基于神经网络的车辆轴承故障诊断技术

简要介绍了车辆轴承轨边声学诊断技术和神经网络诊断方法,重点讨论了BP网络在车辆滚动轴承故障诊断中的应用,用大量的现场实测数据作为训练样本,对所建立的BP网络进行训练,将训练好的网络应用于轴承状态分类,具有很高的准确性,说明神经网络方法是车辆轴承故障诊断的一种有效解决方案。     

基于BP神经网络的动车组智能化控制和诊断研究

为解决因采集数据异常导致的列车控制的误动作和误诊断问题,对基于BP神经网络的动车组智能化控制和诊断方法进行了研究,建立了基于BP神经网络的预测模型,采用列车实际运行数据进行多次训练和参数调整,获取最优网络模型,结合该模型的预测值和实际值得到最终可信值,并融入到现有列车控制逻辑中进行控制和诊断。通过实验验证,采用训练模型的预测结果与实际采集值相比具有较高准确性,能够达到预测效果。实验结果表明,采用BP神经网络模型进行状态预测,并结合相关处理策略进行列车运行控制及故障诊断具有可行性。     

基于改进卷积神经网络的无绝缘轨道电路调谐区故障诊断

针对现有故障诊断中忽略调谐区故障对列车安全影响的问题,建立分路状态下机车信号电压模型,获取调谐区正常状态及不同故障状态的机车信号电压;并考虑补偿电容故障、不同道砟电阻等对机车信号电压的影响,对现有数据库进行扩充,得到调谐区故障数据集。在此基础上,采用卷积神经网络(CNN,Convolutional Neural Networks)实现调谐区的故障诊断,特征提取通过CNN中卷积层实现,并对比不同卷积层参数下诊断准确率及训练时间,选择当前条件下相对最优的卷积层参数;采用dropout函数避免训练中出现过拟合现象,并通过CNN中第2全连接层实现故障分类。针对人为构建数据集时数据标签错误的问题,通过构建标签错误数据集的方式,减小错误标签数据对训练过程的影响。测试结果表明:当信噪比为40 dB时,测试集的准确率为97.92%,即在噪声环境下,该诊断方式仍然有效。     

基于概率包络的轮对轴承故障诊断方法

信号不确定性的正确表达是故障诊断的先决条件。然而,在实际情况中,轮对轴承的信号存在各种不确定性,采用传统方法处理这类不确定性,存在信息丢失问题。提出一种基于概率包络的轮对轴承故障诊断方法。对原始信号进行分布类型检验,针对不同分布特点使用不同方法进行概率包络建模。提取概率包络模型的几何形状作为故障特征,并将其输入支持向量机(SVM)训练获得故障诊断模型。以公共数据集及实测数据进行诊断测试,并对诊断结果进行比对验证。实验结果表明,该方法合理有效,提高了诊断精度和效率。     

基于神经网络铁路客票制票终端故障诊断系统的设想

在研究神经网络的基础上分析制票机故障诊断的基本原理,提出基于神经网络的制票机故障诊断思想,利用MATLAB神经网络工具箱进行仿真,并对其进行分析.