牵引网故障诊断方法研究

发布时间：2023-03-16 18:42

　　受到高速铁路沿途复杂多变的自然条件等因素的影响,牵引网输电线路容易发生故障跳闸,直接影响到供电设备及输电网络的安全可靠运行。为了快速有效地恢复牵引网稳定工作,就必须要准确识别故障类型,进而针对不同的故障类型采取不同的措施使铁路恢复运输,对于维护高速铁路安全和稳定运行有着重要的意义。本文针对牵引网线路故障特征提取和模式识别算法、基于云平台的牵引网故障诊断方法的应用展开研究:通过牵引网变电站样本数据的统计分析,划分了牵引网故障类型,并对网上异物、电力机车、天气影响、设备异常、过负荷、保护误动、外部网络、雷击等8种主要故障模式展开研究,确定基于频域法的牵引网故障诊断技术的研究方向;针对故障行波的非平稳暂态信号特点,提出了一种应用于牵引网故障信号的主特征提取算法,结合了小波包能量谱法和主成分分析法获取故障行波的主要特征向量,并确定了牵引网故障模式识别的评判标准;采用GA-BP神经网络算法模型完成牵引网故障模式的诊断工作,把从已知故障行波中获取的主要能量特征作为算法模型的训练样本进行学习,实现了故障模式识别算法设计,识别准确率在90%以上;提出了将云服务器技术与牵引网故障诊断方法相结合的应用系统...

【文章页数】：86 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题的研究背景及意义
    1.2 国内外研究现状及发展趋势
        1.2.1 故障检测方法发展状况
        1.2.2 故障诊断方法发展状况
    1.3 本文的主要内容
    1.4 本文的章节安排
第2章 牵引网线路故障模式分析
    2.1 牵引网故障行波特性
        2.1.1 故障行波的产生
        2.1.2 故障行波的折反射特性
        2.1.3 故障行波的传播特性
    2.2 牵引网故障模式分类及其主要特征
        2.2.1 牵引网故障数据样本获取
        2.2.2 牵引网故障模式统计分析
    2.3 本章小结
第3章 牵引网线路故障信号特征提取
    3.1 故障信号特征提取算法设计
    3.2 小波包能量特征提取算法
        3.2.1 小波包分析
        3.2.2 小波包能量特征矩阵
        3.2.3 能量特征主成分分析
    3.3 故障行波信号的特征提取
        3.3.1 故障行波信号能量特征向量分布
        3.3.2 故障行波信号主特征向量提取
    3.4 本章小结
第4章 牵引网故障模式识别算法研究
    4.1 牵引网故障模式识别方案设计
    4.2 BP神经网络故障模式识别算法
        4.2.1 BP神经网络结构
        4.2.2 故障模式识别算法设计
    4.3 GA-BP神经网络模式识别算法
        4.3.1 遗传算法模型构建
        4.3.2 GA-BP神经网络算法设计
    4.4 本章小结
第5章 基于云平台的牵引网故障模式诊断系统设计
    5.1 系统总体方案设计
    5.2 牵引网故障模式诊断系统模块设计
        5.2.1 牵引网故障通信系统设计
        5.2.2 牵引网故障数据调控中心设计
        5.2.3 牵引网故障数据计算节点设计
    5.3 牵引网故障模式诊断系统测试
        5.3.1 测试平台构建
        5.3.2 系统功能测试
        5.3.3 系统性能分析
    5.4 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献



本文编号：3763107