车载式轨道状态监测系统的设计

发布时间：2017-04-18 19:14

  本文关键词：车载式轨道状态监测系统的设计，，由笔耕文化传播整理发布。

【摘要】：伴随着轨道机车的广泛应用和持续提速,轨道是否平顺是确保行车的安全性、舒适性和可靠性的关键。传统的轨道“保养”方式主要是通过轨检车定期检查,然后根据检测状况进行故障检修。随着信息技术和大数据时代的到来,本文提出设计一个车载式轨道状态检测系统(On-Borad Track State Monitor System,简称OB-TSM System),安装到轨道机车中,通过检测机车运行过程中前向、横向和垂直三个方向的加速度,并将模式分类算法嵌入系统内部,来综合评判轨面的平顺状况。本文围绕系统的硬件、软件和诊断算法三部分的设计展开了论述。系统的硬件是以具有ARM CortexTM-A8内核的S5PV210处理器作为系统的中央处理单元,以加速度传感器MMA7455作为数据采集模块,其他模块则沿用了OK210开发板的出厂设计。系统的软件是以Linux作为主操作系统,利用Qt图形用户接口设计人机交互界面,并在Linux系统下完成了设备驱动的设计和故障诊断、故障评估等算法的实现。其中,诊断算法通过Linux系统下的C/C++实现,先对时域信号进行特征向量的提取,然后用改进的BP神经网络对特征向量进行状态分类,并引入故障评估的方法,综合多个测点的神经网络,计算发生故障的概率。本文最后提出了针对于特定机车构建特定的神经网络并集成在系统软件中的试验方案。通过平顺和不平顺两种状态的数据对系统进行测试,结果表明,在嵌入式系统中自行设计的改进BP神经网络具有一定的识别能力,并且故障评估算法的测试基本通过,说明该系统在轨道检测的工程应用中能发挥重要作用。相比于传统的检轨方法,本系统化繁为简、经济实用、便携可靠,也体现了产品化、信息化、智能化是学术领域的发展趋势。
【关键词】：轨道 故障诊断 嵌入式 Linux 神经网络
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U216.3;TP274
【目录】：

• 摘要4-5
• Abstract5-10
• 1. 绪论10-17
• 1.1 研究的背景和意义10-11
• 1.2 国内外轨道检测的研究现状11-14
• 1.3 轨道检测的发展趋势14-16
• 1.4 本文研究的主要内容16-17
• 2. 轨道故障诊断概述17-37
• 2.1 轨道故障诊断基础17-21
• 2.1.1 轨道交通结构动力学概述17-18
• 2.1.2 轨道不平顺18-21
• 2.1.3 车振频率和加速度量化分析21
• 2.2 嵌入式系统整体设计方案21-24
• 2.2.1 嵌入式系统概述21-22
• 2.2.2 系统整体设计22-24
• 2.3 故障诊断算法24-37
• 2.3.1 故障诊断简介24-25
• 2.3.2 时域特征值的提取25-27
• 2.3.3 分类器的选取27-28
• 2.3.4 BP神经网络原理28-33
• 2.3.5 BP神经网络的改进33-37
• 3. 嵌入式系统硬件设计37-47
• 3.1 中央处理器简介37-38
• 3.2 电源模块38-39
• 3.3 存储模块39-40
• 3.4 触显模块40
• 3.5 加速度采集模块40-46
• 3.5.1 传感器选型41-42
• 3.5.2 MMA7455介绍42-45
• 3.5.3 测点位置选择45-46
• 3.6 本章小结46-47
• 4. 嵌入式系统软件设计47-73
• 4.1 嵌入式Linux开发47-49
• 4.2 Linux系统移植49-54
• 4.2.1 安装交叉编译器49-51
• 4.2.2 Uboot移植51-52
• 4.2.3 Linux内核移植52-53
• 4.2.4 根文件系统移植53-54
• 4.3 设备驱动设计54-58
• 4.3.1 MMA7455驱动原理54-56
• 4.3.2 MMA7455驱动程序56-58
• 4.4 诊断算法设计58-64
• 4.4.1 BP神经网络结构设计58-60
• 4.4.2 故障评估算法设计60-61
• 4.4.3 改进的BP-ANN程序设计61-64
• 4.5 应用软件设计64-73
• 4.5.1 Qt介绍及安装64-66
• 4.5.2 应用程序设计66-73
• 5. 系统集成与测试73-80
• 5.1 网络构建和系统集成73-75
• 5.1.1 构建网络模型73-74
• 5.1.2 集成软硬件系统74-75
• 5.2 系统测试和算法检验75-80
• 5.2.1 在线振动测试的模拟75-76
• 5.2.2 诊断算法的检验76-80
• 6. 总结与展望80-84
• 6.1 总结80-82
• 6.2 展望82-84
• 附录84-92
• 参考文献92-97
• 攻读硕士期间发表的论文及所取得的研究成果97-98
• 致谢98

【参考文献】

中国期刊全文数据库 前10条

1 张淑清;孙国秀;李亮;李新新;监雄;;基于LMD近似熵和FCM聚类的机械故障诊断研究[J];仪器仪表学报;2013年03期

2 李帅;杨建国;周虎;张华;;基于故障树的专家系统在轨道交通中的应用[J];城市轨道交通研究;2012年07期

3 周超杰;孔繁虹;;基于Qt/Embedded的车载GUI的研究与实现[J];机电一体化;2012年04期

4 舒展;;嵌入式系统综述[J];现代计算机(专业版);2011年05期

5 翟婉明;金学松;赵永翔;;高速铁路工程中若干典型力学问题[J];力学进展;2010年04期

6 王鹏;黄冰;陈婷;;基于MMA7455L加速度鼠标的研究[J];传感技术学报;2010年07期

7 吴勇;鲍可进;;嵌入式Linux字符设备驱动的设计与应用[J];微计算机信息;2010年02期

8 王俊文;;铁路线路综合质量评价方法的研究[J];铁道建筑;2009年10期

9 袁磊;朱怡安;兰婧;;嵌入式系统BootLoader设计与实现[J];计算机测量与控制;2009年02期

10 李恩玉;杨平先;孙兴波;;基于激活函数四参可调的BP神经网络改进算法[J];微电子学与计算机;2008年11期

中国博士学位论文全文数据库 前5条

1 贾朝龙;铁路轨道不平顺数据挖掘及其时间序列趋势预测研究[D];北京交通大学;2013年

2 龚爱平;基于嵌入式机器视觉的信息采集与处理技术研究[D];浙江大学;2013年

3 史红梅;基于车辆动态响应的轨道不平顺智能感知算法研究[D];北京交通大学;2013年

4 高鹏毅;BP神经网络分类器优化技术研究[D];华中科技大学;2012年

5 陈宪麦;轨道不平顺时频域分析及预测方法的研究[D];铁道部科学研究院;2006年

中国硕士学位论文全文数据库 前10条

1 张梅;车载式轨道动态故障诊断方法的研究[D];中北大学;2014年

2 李婉蓉;高固有频率高g值加速度传感器的动态幅频特性校准研究[D];中北大学;2014年

3 魏强;基于实验平台的城轨列车悬挂系统故障诊断模拟仿真研究[D];北京交通大学;2014年

4 曾祥富;高速铁路轨道检测数据综合分析及其应用[D];西南交通大学;2013年

5 李娜;基于信息融合的铁路信号设备故障诊断方法研究[D];兰州交通大学;2013年

6 汪煜婷;城轨交通轨道不平顺检测方法的研究[D];北京交通大学;2013年

7 杨磊;基于LabVIEW的动车组转向架状态监测及故障诊断[D];石家庄铁道大学;2013年

8 姜铁程;基于S5PV210的Android示波器硬件设计[D];哈尔滨工业大学;2013年

9 李友坤;BP神经网络的研究分析及改进应用[D];安徽理工大学;2012年

10 高阳;基于DSP和分层时序记忆的齿轮箱故障诊断系统[D];中北大学;2011年

  本文关键词：车载式轨道状态监测系统的设计，由笔耕文化传播整理发布。

本文编号：315565