高速列車懸掛系統(tǒng)故障分離與故障辨識研究.pdf

1、懸掛系統(tǒng)是保障高速列車安全運行的關(guān)鍵系統(tǒng)，起到承載車體和轉(zhuǎn)向架載荷、緩沖車輛振動和輪軌沖擊以及引導(dǎo)車輛運行的作用。隨著我國高速鐵路的快速發(fā)展，高速列車的高強度運行對懸掛系統(tǒng)的安全性和可靠性有了更高的要求。開展高速列車懸掛系統(tǒng)的故障分離研究，可以實現(xiàn)不同故障的精準定位，便于有針對性地開展檢查維修工作;開展高速列車懸掛系統(tǒng)的故障辨識研究，可以實現(xiàn)關(guān)鍵零部件性能參數(shù)的跟蹤監(jiān)測，并對參數(shù)衰減和突發(fā)故障進行辨識。
　　為實現(xiàn)高速列車懸掛系統(tǒng)

2、的故障分離與故障辨識，本文針對特征提取、特征降維、故障分離以及參數(shù)辨識開展了一系列的研究工作，主要內(nèi)容如下:
　　(1)研究了基于譜細化分析的故障特征提取與降維算法。針對故障特征提取問題，本文提出了基于譜細化分析的功率譜特征提取算法，實現(xiàn)對傳統(tǒng)時頻域特征的補充和完善，提高了故障特征樣本的質(zhì)量。針對故障特征降維問題，本文基于核主元分析法(KPCA)實現(xiàn)高維非線性故障特征樣本的降維，克服了PCA算法僅能實現(xiàn)線性降維的缺點，并通過參數(shù)尋

3、優(yōu)算法提高了KPCA算法的降維效率。最后，基于高速列車懸掛系統(tǒng)故障仿真實驗平臺，驗證了算法的有效性和可靠性。
　　(2)研究了基于模糊智能的故障分離算法。本文基于模糊可能性C均值聚類算法(FPCM)開展故障分離研究，討論輸入樣本的合理維數(shù)，并應(yīng)用優(yōu)化算法確定最佳聚類數(shù)和最優(yōu)的初始化聚類中心，提高了故障分離結(jié)果的穩(wěn)定性和正確率。本文基于BP神經(jīng)網(wǎng)絡(luò)開展故障分離研究，對網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)進行了優(yōu)化設(shè)計?；贔PCM算法對樣本先驗知識依賴性

4、較低的特點，本文提出了基于模糊智能的混合算法，通過聚類分析優(yōu)化選取訓(xùn)練樣本，提高了BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效率，且故障分離結(jié)果的穩(wěn)定性和正確率也有了顯著的提高。最后，基于故障特征提取與降維結(jié)果，驗證了算法的有效性和可靠性。
　　(3)研究了基于非線性濾波的故障辨識算法。針對懸掛系統(tǒng)的故障辨識問題，本文采用基于粒子濾波(PF)和邊緣化粒子濾波(RBPF)的參數(shù)辨識算法，跟蹤監(jiān)測關(guān)鍵零部件性能參數(shù)的衰減情況。本文引入誤差比的概念，對算法的辨