基于两阶段学习模型的列车轴承道旁声学故障诊断方法研究
发布时间：2021-07-07 11:51
铁路作为重要的交通运输方式之一,由于其运行成本低、运载量大,因此在货运、客运中承担着重要角色。而列车轴承作为列车的关键部件,其健康状况对列车的正常运行和乘客的生命安全有着重大的影响。道旁声学监测系统具有成本低、非接触式测量以及能够发现早期故障等优点,具有良好的应用前景。近年来,人工智能与机器学习得到了快速发展并已成功运用于故障诊断领域。本文考虑到列车轴承道旁声学信号特有的多普勒畸变特性,基于机器学习中的安全域（Safety Region,SR）、反向传播神经网络（Back Propagation Neural Network,BPNN）和零次学习（Zero-Shot Learning,ZSL）,研究了一种两阶段学习模型,具体研究内容如下:（1）提出了一种基于SR和BPNN的两阶段学习模型,该方法无需多普勒矫正,并且可以解决故障样本不充分的问题。在应用初期故障样本集缺乏的情况下,仅利用健康样本建立SR模型。当不同故障类型样本集积累充分之后,利用BPNN建立更加精确的诊断模型。在学习模型建立时,直接构建信号统计特征、车速与诊断结果之间的函数关系。首先,介绍了SR与BPNN的基本理论;其次,...
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
列车事故现场图
安徽大学硕士学位论文3列车轴承作为列车的关键部件，其健康状况对列车的正常运行和乘客的生命安全有着重大的影响。列车轴承一方面其自身结构本身具有高度精密化的特点，另一方面又经常在高速重载等工况下连续运转，从而使得列车轴承在经过一段时间的运行后，会出现磨损甚至失效的情况。因此，对列车轴承进行实时有效的监测是一项重要的研究课题。1.3列车轴承道旁声学故障诊断方法现有列车轴承在线监测技术主要有车载和道旁两种方式。车载，顾名思义就是将监测系统安置在列车上面，通过对每一个被监测部件实时监测来达到故障诊断的目的，车载方式的缺点是难以兼顾每一个被监测部件而且需要投入大量资金。道旁方式就是将测量系统布置在列车轨道的两侧，当列车经过时，通过安装在轨道两侧的装置采集列车轴承数据，通过对采集数据分析来监测列车轴承运行状态，因此道旁方式具有低成本、非接触式测量等优点。道旁监测系统主要有热轴监测（HBD）和道旁声学监测（ADBD）两种方式。与HBD相比，ADBD具有能够发现早期故障的优点，而HBD系统在监测到故障时往往故障已经形成，因而ADBD系统的应用前景更加良好[19,20]。图1.2列车轴承道旁声学监测系统示意图Figure1.2schematicdiagramoftrainbearingwaysideacousticdetectionsystem美国铁路部很早就开始道旁声学诊断的研究，并开发出了关于列车轮对轴承的道旁声学监测系统，也就是TADS[21]。在TADS中通过轨道两侧麦克风采集列车通过系统时轮对轴承发出的声信号，再通过一系列的信号处理方法通过相关参数分析对列车轴承运
安徽大学硕士学位论文7第二章实验设计2.1引言本章节简要介绍了列车轴承的基本结构以及人工设置轴承故障的方法。描述了静态信号实验平台的采集方法并对动态实验信号平台的搭建作了详细的叙述，对轴承信号下一步分析研究具有重要意义。2.2列车轴承结构列车轴承是列车的重要组成部件，轴承的健康状态关系着列车的安全稳定运行。列车轴承一方面其自身结构本身具有高度精密化的特点，另一方面又经常在高速重载工况下运行，从而使得列车轴承在经过一段时间的运行后，会出现磨损甚至失效的情况，这就给列车的安全运行埋下了隐患。图2.1轴承的基本结构Figure2.1thebasicstructureofbearing图2.1为列车轴承的基本结构示意图，它主要由外圈、内圈、滚子和保持架等四个部分组成。列车轴承常见的转动形式是内圈转动而外圈静止的方式。当内圈和外圈之间发生相对运动时，滚子在自转的同时也沿着外圈进行转动。保持架则位于相邻滚子之间且呈等间隔分布的形式[29]。2.3列车轴承故障设置本文通过线切割的方式对列车轴承的内圈、外圈以及滚子等部位进行人工故障设置来获得相应的列车模拟故障轴承。列车轴承的故障设置分为单点故障设置和复合故障设
【参考文献】：
期刊论文
[1]加强项目档案管理是交通事业高质量发展的“刚需”——由“9·28”特别重大交通事故排查引发的思考[J]. 张凤霞. 档案与建设. 2020(02)
[2]基于语义自动编码机的零次学习研究[J]. 王阳,王琼,陆建峰. 计算机与数字工程. 2019(10)
[3]我国铁路重特大事故发生规律与特征研究[J]. 范正日. 中国安全科学学报. 2018(S1)
[4]基于不平衡支持向量数据描述的故障诊断算法[J]. 韩志艳,王健. 计算机工程. 2017(05)
[5]滚动轴承安全域建模方法及其在高速列车异常检测中的应用[J]. 刘志亮,刘仕林,李兴林,康金龙,彭兴. 机械工程学报. 2017(10)
[6]客车起火事故防范对策研究[J]. 马明月. 汽车与安全. 2016(08)
[7]基于LMD-PCA-LSSVM的滚动轴承安全域估计和状态辨识方法[J]. 张媛,秦勇,邢宗义,贾利民,陈波. 振动与冲击. 2013(20)
[8]可变惩罚因子的支持向量数据描述算法[J]. 刘富,侯涛,刘云,张潇. 吉林大学学报(工学版). 2014(02)
[9]基于全矢谱和动态支持向量数据描述的滚动轴承故障诊断研究[J]. 李凌均,巩晓赟,张恒,韩捷. 机械强度. 2013(02)
[10]基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型及其在信用分类中的应用[J]. 余乐安,汪寿阳. 系统科学与数学. 2009(10)
博士论文
[1]基于属性的零样本学习方法的研究[D]. 巩萍.中国矿业大学 2019
[2]列车轴承轨边声学故障诊断中多源混叠空时滤波器设计方法研究[D]. 熊伟.中国科学技术大学 2019
[3]列车轴承轨边声学诊断中故障声谱识别的时变阵列分析技术研究[D]. 张尚斌.中国科学技术大学 2017
[4]非平稳运行时列车轮对轴承道旁声学故障诊断方法研究[D]. 刘方.中国科学技术大学 2014
[5]列车轴承故障道旁声学诊断关键技术研究[D]. 张翱.中国科学技术大学 2014
[6]基于道旁声学信号的列车滚动轴承故障诊断技术研究[D]. 吴强.中国科学技术大学 2013
[7]基于非线性信号分析的滚动轴承状态监测诊断研究[D]. 刘永斌.中国科学技术大学 2011
硕士论文
[1]基于自编码器的零样本图像识别算法研究[D]. 孙广成.南京邮电大学 2019
[2]基于鲁棒度量学习的零样本图像分类研究[D]. 王淑健.西安电子科技大学 2019
[3]基于多普勒原子稀疏表示的列车轴承轨边信号消噪研究[D]. 顾康康.安徽大学 2019
[4]基于轨边声学多普勒畸变信号的列车轴承故障诊断技术研究[D]. 范卓幽.西南交通大学 2019
[5]基于信号时频分析与BP网络的列车轴承故障诊断[D]. 孙志诚.苏州大学 2018
[6]列车轴承道旁声学信号瞬态成分提取与重构方法研究[D]. 付洋洋.安徽大学 2018
[7]基于时频分析的道旁声学信号声源运动参数识别方法研究[D]. 钱强.安徽大学 2018
[8]基于KJADE的轴承故障识别与性能退化评估方法研究[D]. 何兵.安徽大学 2017
[9]基于安全域识别的滚动轴承退化状态表征方法研究[D]. 彭兴.电子科技大学 2017
[10]基于属性学习的零样本图像分类研究[D]. 乔雪.中国矿业大学 2016
本文编号：3269581
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
列车事故现场图
安徽大学硕士学位论文3列车轴承作为列车的关键部件，其健康状况对列车的正常运行和乘客的生命安全有着重大的影响。列车轴承一方面其自身结构本身具有高度精密化的特点，另一方面又经常在高速重载等工况下连续运转，从而使得列车轴承在经过一段时间的运行后，会出现磨损甚至失效的情况。因此，对列车轴承进行实时有效的监测是一项重要的研究课题。1.3列车轴承道旁声学故障诊断方法现有列车轴承在线监测技术主要有车载和道旁两种方式。车载，顾名思义就是将监测系统安置在列车上面，通过对每一个被监测部件实时监测来达到故障诊断的目的，车载方式的缺点是难以兼顾每一个被监测部件而且需要投入大量资金。道旁方式就是将测量系统布置在列车轨道的两侧，当列车经过时，通过安装在轨道两侧的装置采集列车轴承数据，通过对采集数据分析来监测列车轴承运行状态，因此道旁方式具有低成本、非接触式测量等优点。道旁监测系统主要有热轴监测（HBD）和道旁声学监测（ADBD）两种方式。与HBD相比，ADBD具有能够发现早期故障的优点，而HBD系统在监测到故障时往往故障已经形成，因而ADBD系统的应用前景更加良好[19,20]。图1.2列车轴承道旁声学监测系统示意图Figure1.2schematicdiagramoftrainbearingwaysideacousticdetectionsystem美国铁路部很早就开始道旁声学诊断的研究，并开发出了关于列车轮对轴承的道旁声学监测系统，也就是TADS[21]。在TADS中通过轨道两侧麦克风采集列车通过系统时轮对轴承发出的声信号，再通过一系列的信号处理方法通过相关参数分析对列车轴承运
安徽大学硕士学位论文7第二章实验设计2.1引言本章节简要介绍了列车轴承的基本结构以及人工设置轴承故障的方法。描述了静态信号实验平台的采集方法并对动态实验信号平台的搭建作了详细的叙述，对轴承信号下一步分析研究具有重要意义。2.2列车轴承结构列车轴承是列车的重要组成部件，轴承的健康状态关系着列车的安全稳定运行。列车轴承一方面其自身结构本身具有高度精密化的特点，另一方面又经常在高速重载工况下运行，从而使得列车轴承在经过一段时间的运行后，会出现磨损甚至失效的情况，这就给列车的安全运行埋下了隐患。图2.1轴承的基本结构Figure2.1thebasicstructureofbearing图2.1为列车轴承的基本结构示意图，它主要由外圈、内圈、滚子和保持架等四个部分组成。列车轴承常见的转动形式是内圈转动而外圈静止的方式。当内圈和外圈之间发生相对运动时，滚子在自转的同时也沿着外圈进行转动。保持架则位于相邻滚子之间且呈等间隔分布的形式[29]。2.3列车轴承故障设置本文通过线切割的方式对列车轴承的内圈、外圈以及滚子等部位进行人工故障设置来获得相应的列车模拟故障轴承。列车轴承的故障设置分为单点故障设置和复合故障设
【参考文献】：
期刊论文
[1]加强项目档案管理是交通事业高质量发展的“刚需”——由“9·28”特别重大交通事故排查引发的思考[J]. 张凤霞. 档案与建设. 2020(02)
[2]基于语义自动编码机的零次学习研究[J]. 王阳,王琼,陆建峰. 计算机与数字工程. 2019(10)
[3]我国铁路重特大事故发生规律与特征研究[J]. 范正日. 中国安全科学学报. 2018(S1)
[4]基于不平衡支持向量数据描述的故障诊断算法[J]. 韩志艳,王健. 计算机工程. 2017(05)
[5]滚动轴承安全域建模方法及其在高速列车异常检测中的应用[J]. 刘志亮,刘仕林,李兴林,康金龙,彭兴. 机械工程学报. 2017(10)
[6]客车起火事故防范对策研究[J]. 马明月. 汽车与安全. 2016(08)
[7]基于LMD-PCA-LSSVM的滚动轴承安全域估计和状态辨识方法[J]. 张媛,秦勇,邢宗义,贾利民,陈波. 振动与冲击. 2013(20)
[8]可变惩罚因子的支持向量数据描述算法[J]. 刘富,侯涛,刘云,张潇. 吉林大学学报(工学版). 2014(02)
[9]基于全矢谱和动态支持向量数据描述的滚动轴承故障诊断研究[J]. 李凌均,巩晓赟,张恒,韩捷. 机械强度. 2013(02)
[10]基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型及其在信用分类中的应用[J]. 余乐安,汪寿阳. 系统科学与数学. 2009(10)
博士论文
[1]基于属性的零样本学习方法的研究[D]. 巩萍.中国矿业大学 2019
[2]列车轴承轨边声学故障诊断中多源混叠空时滤波器设计方法研究[D]. 熊伟.中国科学技术大学 2019
[3]列车轴承轨边声学诊断中故障声谱识别的时变阵列分析技术研究[D]. 张尚斌.中国科学技术大学 2017
[4]非平稳运行时列车轮对轴承道旁声学故障诊断方法研究[D]. 刘方.中国科学技术大学 2014
[5]列车轴承故障道旁声学诊断关键技术研究[D]. 张翱.中国科学技术大学 2014
[6]基于道旁声学信号的列车滚动轴承故障诊断技术研究[D]. 吴强.中国科学技术大学 2013
[7]基于非线性信号分析的滚动轴承状态监测诊断研究[D]. 刘永斌.中国科学技术大学 2011
硕士论文
[1]基于自编码器的零样本图像识别算法研究[D]. 孙广成.南京邮电大学 2019
[2]基于鲁棒度量学习的零样本图像分类研究[D]. 王淑健.西安电子科技大学 2019
[3]基于多普勒原子稀疏表示的列车轴承轨边信号消噪研究[D]. 顾康康.安徽大学 2019
[4]基于轨边声学多普勒畸变信号的列车轴承故障诊断技术研究[D]. 范卓幽.西南交通大学 2019
[5]基于信号时频分析与BP网络的列车轴承故障诊断[D]. 孙志诚.苏州大学 2018
[6]列车轴承道旁声学信号瞬态成分提取与重构方法研究[D]. 付洋洋.安徽大学 2018
[7]基于时频分析的道旁声学信号声源运动参数识别方法研究[D]. 钱强.安徽大学 2018
[8]基于KJADE的轴承故障识别与性能退化评估方法研究[D]. 何兵.安徽大学 2017
[9]基于安全域识别的滚动轴承退化状态表征方法研究[D]. 彭兴.电子科技大学 2017
[10]基于属性学习的零样本图像分类研究[D]. 乔雪.中国矿业大学 2016
本文编号：3269581
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3269581.html
