軌道電路故障預測與健康管理關鍵技術研究.pdf_第1頁
已閱讀1頁,還剩130頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、軌道電路故障是影響鐵路運輸行車效率、引發(fā)安全事故的重要誘因。因此,對軌道電路故障進行準確的診斷、及時的預測、科學的管理具有重要的研究意義。
  論文根據(jù)軌道電路的工作原理和實際使用情況對軌道電路的故障形成機理進行了深入分析,總結了軌道電路的故障類型及對應的故障征兆。在此基礎上,采用故障預測與健康管理(Prognostics and Health Management,PHM)開放式分層體系,構建了一種軌道電路PHM體系結構,提出了

2、總體解決方案,并研制了軌道電路特征參數(shù)采集及信息處理設備。
  論文還從以下幾個方面進行了創(chuàng)新研究:
  (1)提出了一種基于小波變換的軌道電路故障征兆提取算法。針對傳統(tǒng)FFT算法不能對非平穩(wěn)信號進行時-頻局部化分析的缺陷,論文利用小波變換的多尺度分辨技術對含有大量沖擊干擾噪聲的軌道電路信號進行分析,從時域和頻域兩方面對信號進行多層分解,將信號故障特征信息從干擾信號中分離出來。并通過仿真實驗對比,從三種典型的小波基函數(shù)中,選

3、取了db5小波基函數(shù),驗證了算法的有效性和精確度。
  (2)建立了一種基于模糊神經(jīng)網(wǎng)絡(Fuzzy Neural Network,F(xiàn)NN)的軌道電路故障診斷與預測模型。由于軌道電路系統(tǒng)具有非線性、無精確解析模型的特點,論文結合模糊推理系統(tǒng)易于知識表達的優(yōu)點和神經(jīng)網(wǎng)絡的自學習能力,提出了一種基于模糊神經(jīng)網(wǎng)絡模型的故障診斷與預測方法。并利用和-積(Sum-Prod.)這種無參數(shù)模糊算子分別對FNN模型的故障可信度和規(guī)則激活度進行合成

4、運算,通過仿真分析,驗證了模型的有效性。
  (3)提出了一種基于帶補償度參數(shù)模糊算子的改進算法。通過對典型模糊算子聚合性能的分析研究,發(fā)現(xiàn)無參數(shù)模糊算子容易對輸入信息造成遺漏,使診斷與預測結果出現(xiàn)較大偏差。為了解決這一問題,論文將廣義概率和-廣義概率積(Generalized Probability Sum-Generalized Probability Product,GPS-GPP)和廣義加權均值(Generalized W

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論