基于支持向量机的机车轴承故障诊断方法

通过对机车轴承振动信号的分析处理,提出基于支持向量机(SVM)的故障诊断方法,提取反映轴承运行状态的无量纲系数作为故障的特征向量,并以此作为输入来建立支持向量机分类器,利用SVM网络的智能性来判断机车轴承的工作状态和故障类型.实验结果表明,提出的方法在小样本的情况下仍能准确、有效地对机车轴承的工作状态和故障类型进行分类,实现机车轴承故障的智能诊断.     

牵引变压器过负荷能力的确定方法

本文介绍了牵引变太器负荷状态的分类，阐述了牵引变压器过负荷能力的确定方法和应用，可供牵引供电系统设计、运行主管部门等校验、制定牵引变压器过负荷值时参考。     

柴油机主轴承故障振动信号波形识别的研究

通过对柴油机动力系统的分析计算，得出主轴承载荷变化状态，为振动信号的波形辨识提供了理论依据；利用小波变换模极大值分析技术，有效地去除实际信号中Lipstchz指数小于0的噪声，从而为振动信号的有效撮及定位提供了技术条件；同时，对正常信号与故障信号特征进行了比较分析。实践表明，在对柴油机主轴承故障振动信号分析中，这种方法可以得到准确可靠的分析波形，从而为进一步建立故障诊断模型奠定基础。     

基于GASF-CNN的高速列车转向架关键部件劣化状态识别研究

为研究高速列车转向架关键部件劣化状态的识别方法，通过统计抗蛇行减振器服役性能参数的分布特征，同时考虑阻尼和节点刚度变化组合形成5种劣化抗蛇行减振器试验工况，选取新踏面廓形和旋修后运行15万km、25万km的磨耗踏面廓形，进行了劣化状态下车辆动力学响应线路测试。基于实测数据，设计并构建基于GASF-CNN的转向架关键部件劣化状态分类辨识模型，以实测车体和构架横向加速度数据作为模型的训练集和测试集进行分类辨识模型训练，并对模型的泛化能力和识别准确度影响因素进行分析。通过优选数据构造方式、数据滤波、滑动窗口长度和数据通道数量，模型达到了较高的分类准确度，且对列车不同运行方向、不同速度级、不同运行环境等也达到了较好的泛化能力。     

一种多通道信息融合的横向减振器性能退化阶段辨别方法

对于转向架这样复杂的系统,分布在系统不同位置的传感器可以实时检测大量数据。这些数据能够反映高速列车运行过程中转向架关键部件的性能退化状态,但单一通道的振动信号存在着信息缺失、信噪比低等缺陷,无法据此实现转向架关键部件性能退化阶段的精确辨识。因此,本文以横向减振器为研究对象,通过对转向架振动数据相关性分析,提出了车体和转向架上多个通道的振动信号共同用于横向减振器性能退化阶段辨识的方法。并通过构建基于CNN的多通道信息融合模型,将多个通道信息进行融合,实现了横向减振器性能退化特征的自适应提取与阶段辨识。将该方法与基于单个通道的方法进行比较,结果表明,该方法能够精确实现横向减振器间隔10%的性能退化阶段辨识。     

基于卡尔曼滤波的机械振动信号建模和预测

机械设备的振动信号包含了其运行状态的许多宝贵特征。现利用卡尔曼滤波技术来研究振动信号的预测问题，详细阐述了卡尔曼滤波预测模型和具体递推算法。并利用建立的卡尔曼振动预测模型对某实测振动信号通过Matlab编程进行预测仿真。仿真结果表明：使用卡尔曼滤波对振动信号进行建模预测可以获得较高的精度，同时兼有良好的实时性。     

随机森林在轨道交通车辆门系统亚健康状态诊断中的应用

提出了一种基于随机森林(RF)的车门亚健康状态诊断方法。首先,从车门驱动电机的电流、转速和转矩输出信号中提取时频域特征指标作为表征车门运行状态的特征向量;然后,RF通过对分类器的集成来提高车门亚健康状态诊断的精度,并且从特征指标对分类结果影响的角度评估特征的重要性。利用台架调门试验模拟车门的典型亚健康工况,采集数据并分析验证。试验结果表明,与传统的单分类器(决策树、支持向量机、贝叶斯、KNN近邻)的诊断结果相比,RF方法在车门的亚健康状态诊断中具有更高的诊断精度,并可对特征的重要性进行评估。     

高速列车振动信号的奇异谱分析方法研究

针对高速列车运行中的状态监测问题，提出高速列车振动信号的奇异谱分析方法。奇异谱分析是一种新的无参数模型的数据分析方法，它把高速列车的振动信号分解为多个基本信号，通过对基本信号的加权相关系数进行分析，获得振动信号的不相关成分，分析列车振动与每个成分的关系。实验结果表明高速列车的运行状态可由其振动信号的组成成分来表征。     

高速铁路供电运行状态检测系统的研究

牵引供电系统是高速电气化铁路的重要组成部分,其运行状态直接决定了高速铁路的安全和效益,但牵引供电系统故障是不可避免的。为确保牵引供电系统安全稳定运行和增强供电的可靠性和连续性,需要一种优质的牵引供电运行状态检测与故障分析系统,对其故障类别进行快速、正确的识别。本文主要介绍了如何改进牵引供电运行信号的数据采集方式,包括信号进行预处理和提取信号特征值,提出了利用数学统计学中的偏度与峰度概念对牵引供电特征信号进行特征提取的新方法,并对提取结果进行比较,以达到对牵引供电运行系统故障检测的目的。     

基于关联维数的牵引变压器励磁涌流鉴别研究

由于牵引变压器差动保护在励磁涌流的冲击下可能误动作,精准识别励磁涌流和短路电流,可提高变压器继电保护的可靠性。本文研究通过建立高效的模态特征提取方法及关联维数算法,将牵引变压器差动电流信号经相空间重构和关联维数计算,从差动电流信号中准确捕捉到牵引变压器匝间的动态特征信息,并以该关联维数特征信息作为识别两种状态电流的依据。仿真实验结果证明,该方法能快速准确识别出变压器的内部短路故障,具有灵敏度高、可靠性强等优点,并且适用于复杂的牵引供电系统状态故障诊断。     

基于小波分析的机车转向架振动信号的降噪和故障诊断

从小波变换的理论背景出发，介绍了利用小波变换对信号进行分解的原理。并重点对小波分析在信号消噪和故障诊断两方面的工程应用做了一些有益的探讨。首先对机车转向架振动信号用db4小波进行了分解，并运用所介绍的算法进行了消噪处理，取得了明显的效果。其次是运用小波包频分技术建立了机车转向架的振动状态特征向量，能较好地表征机车振动的故障状态。     

基于参数优化VMD和SPWVD的轨道波磨辨识方法

为了有效检测轨道波磨故障,提出一种基于参数优化变分模态分解(VMD,Variable Mode Decomposition)和平滑伪维格纳分布(SPWVD,Smooth Pseudo Wigner Ville Distribution)的轨道波磨辨识方法。采用变步长最小均方(VSSLMS,Variable Step Size Least Mean Square)算法对列车轴箱振动加速度原始信号滤波;对滤波后的信号进行变分模态分解,将分解信号包络熵作为轨道波磨辨识的指标;采用平滑伪维格纳分布对分解后的信号进行时频分析,确定波磨发生的位置及波长;通过仿真信号与实例验证方法的有效性。验证结果表明,该方法可提高轨道波磨辨识的准确性,辅助轨道维修和养护。     

分布式光纤传感在铁路通信光缆盗挖告警中的应用

与目前应用的光缆防护技术相比,分布式光纤传感具有成本较低、灵敏度高、抗电磁干扰、可复用、分布式连续测量等优点,因此,提出了一种基于分布式光纤传感的铁路通信光缆盗挖告警方法。该方法通过提取振动信号的时域特征和小波域特征作为特征向量,来识别盗挖过程中产生的振动事件类型。同时,还设计了一种两级振动模式识别方案,在正常情况下,系统只对时域特征进行监测,当时域特征的值超出设定的阈值时,再联合小波域特征进行模式识别。由此,提出的方法可以减少大量复杂的小波域变换计算,提高算法的时效性。     

铁路两路进线三组变压器牵引变电所的新型备自投系统自动控制方法

我国铁路业界推荐在铁路枢纽地区优先采用第三组牵引变压器的独立供电单元备用方案，以提高牵引变电所主接线的可靠性，但目前第三组变压器仍采用效率较低的手动投入方式，亟需对其备自投系统自动控制方法进行优化。通过对牵引变电所传统两路进线两组变压器主接线方案和两路进线三组变压器主接线方案的备自投系统控制原理进行对比分析，从细化主接线运行状态的判断逻辑着手，提出了两路进线三组变压器主接线方案下新型备自投系统自动控制方法。该新型备自投系统增设了中间运行状态，并将中间运行状态细分为过程态和初始态，基于此对该系统的控制原理进行详细论述。运用Matlab软件进行案例仿真验证，仿真结果表明：新型备自投系统自动控制方法具有可行性，仿真结果与其备自投系统的控制逻辑相符，可以满足备自投系统状态转换逻辑的唯一性要求。     

基于ICEEMDAN-MPE-RF和SVM的齿轮箱特征提取与故障诊断

针对齿轮箱非平稳振动信号特征提取难、特征向量冗余度高和故障识别率低的问题，提出基于改进的自适应噪声完备集成经验模态分解（Improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN）、多尺度排列熵（Multi-scale permutation entropy,MPE）、随机森林（Random forest,RF）特征重要性排序和支持向量机（Support vector machine,SVM）的齿轮箱特征提取与故障诊断方法。首先，通过ICEEMDAN将各种故障状态的齿轮振动信号分解为一系列不同频率分布的本征模态分量（Intrinsic mode functions,IMF）；然后，计算各阶IMF的MPE值获得非平稳信号时频分布下的非线性动力学特征；最后，通过RF算法评估特征重要性，选择高重要性敏感特征组成最优特征子集输入SVM进行故障模式识别。试验结果表明，该方法特征提取和表征能力强，在不同工况下的平均识别率可达99.79%，在多工况和小样本数据集上比其他方法更具稳健性。     

基于一维深度卷积生成对抗网络的钢轨波磨识别方法

实际工程中钢轨波磨数据难以大量获取,无法构建庞大数据集进行智能诊断模型训练。针对这一问题,本文提出了一种基于一维深度卷积生成对抗网络的钢轨波磨识别方法。首先使用一维生成对抗网络生成与实际波磨振动信号结构相同的伪样本,对样本信号的数据集进行扩充;然后提取波磨振动信号的时域统计指标作为波磨数据的特征;最后使用分类算法对不同特征的波磨振动数据进行学习与分类。使用实测钢轨波磨振动数据进行试验验证,结果表明：利用本文方法所生成的伪样本数据,在时域、频域以及时域特征指标方面均与真实样本数据基本一致;使用KNN、SVM和DT三种分类模型对波磨数据的特征进行分类和对比,均可较好地进行波磨识别。     

铁路货车车辆转向架无源无线振动传感与监测系统

转向架是铁路货车车辆的关键部件，因货车上无电源供给，且车辆在运用过程中存在随机编组，因此很难开展铁路货车转向架状态监测与故障诊断的相关研究。针对这一问题，文章研究了一种包括车载转向架无源无线振动传感与监测组件、测速发电模块、轨旁数据基站和远程故障诊断中心的铁路货车转向架无源无线振动传感与监测系统，系统通过安装在货车轴端的微型轴端测速发电机、测速发电模块为车载转向架无源无线振动传感与监测组件供电和提供速度信号，由振动传感与监测组件的信号采集处理CPU经组合传感器、信号调理电路、模数转换电路同步采集货车转向架的振动、冲击和温度信号并预诊断后通过WSN网络发送到轨旁数据基站，轨旁数据基站运用多线程WSN网络接收并缓存货运车辆的运行状态监测数据后再通过4G/5G网络自动将数据传输到远程故障诊断中心，远程故障诊断中心对列车运行状态数据进行分析处理与故障诊断后实现对货车转向架的智能运维。该系统已装车进行运行试验，试验结果表明，系统能实现铁路货车转向架的无源无线振动传感与监测，及时发现故障，确保货运列车安全行驶。     

基于VMD的地铁车辆平轮状态监测和诊断

针对地铁车辆轮轨振动信号信噪比低、非线性、不平稳等特点,为更好地提取地铁平轮的故障特征,提出一种基于变分模态分解(VMD,variationl mode decomposition)和包络谱熵的地铁平轮故障诊断方法。首先,构建虚拟仿真信号做变分模态分解,并与经验模态分解进行对比分析,说明VMD方法的有效性,再对实测4种工况的轮轨振动信号进行变分模态分解,求出不同分解模态的包络谱熵值,最后采用支持向量机分析故障诊断效果。试验结果表明:提出的方法能够有效地提取平轮故障特征,对地铁车辆平轮故障状态具有良好的诊断效果。     

信号供电变压器接地问题的探讨

随着信号设备的发展，在信号供电设计中，容易出现一个供电系统内在两种接地系统的问题，本文通过对信号供电变压器的接地型式和供电方式进行论述和探讨，提出了解决的办法。     

基于声振特征融合的机车走行部轴承状态评估方法研究

轴承作为机车走行部的关键部件,其安全稳定运行对机车至关重要。针对机车走行部轴承维修后状态无法准确评估的现状,提出一种基于声振特征融合的机车走行部轴承状态评估方法。该方法通过采集走行部轴承工作时产生的声音信号及振动信号,提取2种信号特征参数并进行融合,得到更为准确的状态信息,实现对维修后轴承的状态评估。通过轴承故障模拟试验,验证基于声振特征融合的机车走行部轴承状态评估方法的准确性和有效性。