基于模糊聚类的城市轨道交通车辆系统划分与故障统计分析

为保障城市轨道交通车辆安全可靠运营,对车辆在运营过程中积累的故障数据进行统计分析,挖掘故障规律。依据功能-原理-结构原则构造城市轨道交通车辆子单元的相关矩阵,并采用模糊聚类算法对城市轨道交通车辆进行系统划分。根据故障数据筛选原则进行数据预处理,并以所划分系统为基础进行故障数据分类统计分析,采用故障主次图、故障趋势图和故障点分布图综合展示分析结果。以某地铁公司一线路为例,进行车辆系统划分和故障统计分析,并给出对应的车辆故障点分布图,展示该线路车辆故障分布情况。     

基于激光位移传感器的城市轨道交通车辆轮对尺寸在线检测系统

车轮磨损是城市轨道交通日常运营的一大安全隐患。提出了一种基于2D激光位移传感器的列车轮对尺寸在线测量的新方法,阐明了该测量方法的系统构成及在线测量原理。系统由两组激光位移传感器和两组激光对射开关组成,通过激光位移传感器测量轮对外形轮廓线,然后根据踏面几何关系得到轮缘高、轮缘厚尺寸值;提取同一车轮通过该在线测量系统时传感器输出的各时刻轮缘顶点坐标,经时空还原将轮缘顶点变换到同一时刻的轮缘顶点圆上;通过最小二乘拟合圆得到车轮直径。现场试验结果表明,该轮对尺寸在线测量系统能满足轮对尺寸的现场实际测量要求,为轮对尺寸在线非接触式测量提供了一种新的解决方案。     

基于Minitab统计分析软件的地铁车辆车门可靠性评估方法研究

地铁车门的可靠性关系到乘客的人身安全。现有车门可靠性研究缺少对车门可靠性评估,难以为车门的维护提供指导。提出了以Minitab统计分析软件中的AndersonDarling统计量最小原则来确定车门系统各部件寿命的最优拟合分布的可靠性分析方法。对车门失效数据进行筛选,剔除无效数据;对车门失效数据进行分布拟合,应用Anderson-Darling统计量最小原则得到最优分布;估计寿命最优分布的有关参数,检验拟合分布是否合理;最后,计算可靠度R=0.95时车门系统的寿命。计算结果表明,当R=0.95时,车门的可靠寿命t0.95=92.14 d,与地铁维修部门的现场经验一致。本方法能为地铁公司维修决策提供技术支持。     

基于NARX神经网络的轮重减载率预测

以轨检车测出的左轨和右轨轨向不平顺、左轨和右轨高低不平顺为输入,以轨检车测出的轮重减载率为输出,采用贝叶斯正则化算法构建了NARX神经网络。仿真试验结果及与BP神经网络输出结果的对比表明,采用NARX神经网络实现轮重减载率预测是可行的,NARX神经网络比BP神经网络更适用于减载率预测。     

基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断

针对轨道车辆的滚动轴承故障诊断问题,提出了一种小波包与RBF神经网络相结合的故障诊断方法.首先对采集到的振动数据进行小波消噪,然后利用小波包分解提取故障信号的能量特征向量,最后利用提取的能量特征训练RBF神经网络,进行故障诊断.诊断结果表明,基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断方法能够较好的诊断出轨道车辆的轴承故障类型,具有一定的实际应用价值.     

基于RCM的动车牵引变压器的维修优化研究

本文研究基于RCM的动车牵引变压器的维修优化问题,为制定牵引变压器的预防性维修计划提供了决策支持.首先给出了RCM的维修逻辑决策图和维修策略评价指标,然后采用截尾试验法估计牵引变压器的故障率的威布尔分布参数,在满足设备可靠性的前提下根据故障率演化规则确定预防性维修间隔,优化预防性维修次数,使牵引变压器在其生命周期内维修成本率最小.试验结果及其分析,验证了本文提出方法的正确性与可推广性.     

基于改进NARX神经网络的接触线表面不平顺与弓网接触力关联分析方法

建立弓网耦合动力学模型,采用软件MATLAB的Simulink模块对该模型进行动态仿真,获取接触线表面不平顺和弓网接触力数据;对接触线表面不平顺和弓网接触力数据进行归—化处理后,分别作为非线性自回归(NARX)神经网络的输入和输出;对传统的贝叶斯正则化算法进行改进,并采用改进的贝叶斯正则化算法进行NARX神经网络权值修正,得到改进的NARX(NARX-IR)神经网络方法;利用NARX-IR神经网络方法进行接触线表面不平顺与弓网接触力的关联分析.采用根均方误差和相关系数,对基于LM算法的BP(BP-LM)神经网络方法、基于传统贝叶斯正则化算法的NARX(NARX-BR)神经网络方法和NARX-IR神经网络方法进行性能评价.结果表明:BP-LM神经网络方法难以描述接触线表面不平顺与弓网接触力的复杂关联关系;不论在训练还是预测中,NARXIR神经网络方法的根均方误差均小于NARX-BR神经网络方法,而相关系数则大于NARX-BR神经网络方法.由此可推断:NARX-IR神经网络方法更适合于分析接触线表面不平顺与弓网接触力的关联关系.     

基于NARX神经网络的轮重减载率预测方法

介绍了一种基于神经网络的轮重减载率预测方法。以左轨轨向不平顺、右轨轨向不平顺、左轨高低不平顺、右轨高低不平顺为输入,以轮重减载率为输出,采用贝叶斯正则化算法构建了NARX(外部输入非线性自回归神经网络)。仿真试验结果及与BP神经网络的比较表明,采用NARX实现轮重减载率预测是可行而有效的。NARX比BP神经网络更适用于减载率预测。     

基于图像处理的城轨列车车号识别系统

针对现有射频识别标签易脱落损坏导致丢失车号的问题,提出了基于图像处理的城轨列车车号识别系统。利用工业相机拍摄城轨列车侧面车号,再采用加速稳健特征算法和变换不变低秩纹理方法对拍摄到的图片进行车号定位、校正、分割操作,利用Visual Geometry Group-16(VGG-16)网络模型对分割好的车号字符进行识别。试验结果表明,该系统具有鲁棒性好、识别准确率高等特点,能够满足城轨列车车号获取的要求。     

基于深度学习的地铁列车走行部关键部件温度检测系统

地铁列车走行部的良好运行状态是列车安全运行的保障。针对其关键部件发热故障的检测问题，研发了基于深度学习的地铁列车走行部关键部件温度检测系统。该系统采用红外热像仪获取走行部热成像图，引入注意力机制模块和CIoU损失函数，改进YOLOv5目标检测模型，识别、定位出关键部件；对关键部件图像进行灰度化处理和自适应阈值分割等操作，提取温度。基于实验室的Pytorch深度学习平台，在南京地铁运营公司马群车辆段对所研发的系统进行实验。实验结果表明，该系统可以获取走行部热成像图，准确定位关键部件并提取其温度信息。