動(dòng)車組牽引電機(jī)故障診斷方法研究.pdf

1、自2009年10月我國(guó)第一條高速鐵路武廣高鐵運(yùn)營(yíng)以來(lái),標(biāo)志著我國(guó)鐵路向現(xiàn)代化技術(shù)邁進(jìn)的動(dòng)車組被廣泛運(yùn)用到我國(guó)各鐵路干線。牽引電機(jī)作為動(dòng)車組的核心設(shè)備,與列車安全運(yùn)行息息相關(guān)。隨著動(dòng)車組新車型的不斷增加、運(yùn)營(yíng)速度的不斷提高,對(duì)牽引電機(jī)的安全性能也提出了越來(lái)越高的要求。因此,研究牽引電機(jī)故障診斷具有十分重要的現(xiàn)實(shí)意義。
　　論文在分析現(xiàn)有牽引電機(jī)故障診斷方法的基礎(chǔ)上,采用小波包分析與SVM(Support Vector Machine

2、,支持向量機(jī))對(duì)牽引電機(jī)故障進(jìn)行了研究。其主要研究?jī)?nèi)容如下:
　　(1)對(duì)動(dòng)車組牽引電機(jī)的構(gòu)成、工作原理、常見(jiàn)故障與產(chǎn)生故障機(jī)理進(jìn)行了分析;總結(jié)分析牽引電機(jī)常見(jiàn)的故障類型及各種電機(jī)故障與特征頻率之間的內(nèi)在聯(lián)系;并通過(guò)分析得出了故障特征。
　　(2)針對(duì)傳統(tǒng)信號(hào)處理方法只適合處理平穩(wěn)、非時(shí)變信號(hào),且不具有局部分析能力,利用小波包分析在信號(hào)去噪和突變點(diǎn)檢測(cè)方面的優(yōu)越性,論文采用小波包技術(shù)并結(jié)合頻帶能量分析技術(shù)對(duì)故障信號(hào)進(jìn)行了降噪

3、處理和能量特征提取,并進(jìn)行了仿真驗(yàn)證。
　　(3)對(duì)SVM與最小二乘支持向量機(jī)的分類原理進(jìn)行了研究。利用小波包提取的特征頻帶內(nèi)的能量值作為訓(xùn)練與測(cè)試樣本,對(duì)基于最小二乘支持向量機(jī)的牽引電機(jī)故障診斷方法進(jìn)行了仿真分析。并與基于神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行了比較。
　　(4)由于最小二乘支持向量機(jī)模型參數(shù)對(duì)分類精度和模型泛化能力有較大影響,采用QPSO(Quantum Particle Swarm Optimization,量子行為粒子群