基于模糊神经网络的高压不对称脉冲轨道电路故障诊断

发布时间：2017-10-01 09:31

  本文关键词：基于模糊神经网络的高压不对称脉冲轨道电路故障诊断

  更多相关文章： 轨道电路 故障诊断 模糊神经网络 模糊算子 遗传算法

【摘要】：轨道电路故障不仅会影响行车效率,而且可能会造成重大安全事故。所以,研究轨道电路的故障诊断问题具有重要的实际意义。本文根据轨道电路系统原理,搭建了高压不对称脉冲轨道电路模型,通过模拟轨道电路的多种故障状态,得到了若干组故障样本数据。在此基础上,通过对模糊神经网络和遗传算法的深入研究,分别建立了基于广义加权平均的模糊神经网络的轨道电路故障诊断模型和基于遗传模糊神经网络的轨道电路故障诊断模型。通过仿真验证,两种模型都具有较好的故障诊断精度和泛化能力。本文的创新点主要包括以下两方面：(1)基于广义加权平均的模糊神经网络的轨道电路故障诊断方法。模糊算子在模糊神经网络的输入层模糊化和输出层去模糊化过程中起着至关重要的作用,决定着网络结构的性能。虽然将模糊神经网络应用于轨道电路故障诊断已经有一些相关研究,但选取的模糊算子一般都是无参数的,并未充分考虑到模糊算子的作用。本文通过对典型模糊算子聚合性能的深入研究,提出一种基于带补偿度参数模糊算子的改进算法模型。将广义加权平均(Generalized Weighted Average, GWA)模糊算子分别代替规则推理层和输出层的神经元传递函数,形成广义加权平均模糊神经网络(GWA-FNN)模型。通过对GWA-FNN模型与基于无参数模糊算子的模糊神经网络模型的仿真验证,GWA-FNN模型的故障诊断精度更高,泛化能力更强。(2)基于遗传模糊神经网络的轨道电路故障诊断方法。模糊神经网络的性能受诸多因素影响,而网络的拓扑结构决定着泛化能力的大小。现有模糊神经网络应用于轨道电路故障诊断的相关研究,并未充分考虑到网络拓扑结构的动态改变。本文将遗传算法引入GWA-FNN模型,分两阶段训练网络参数,形成GA-GWA-FNN模型。首先,利用遗传算法的全局优化搜索能力,根据故障样本自动增加、删除规则推理层神经元。然后,利用GWA-FNN模型的参数优化算法对GA-GWA-FNN模型的参数进行训练。通过对GA-GWA-FNN模型与GWA-FNN模型的仿真验证,GA-GWA-FNN模型具有更好的泛化能力和收敛速度。
【关键词】：轨道电路 故障诊断 模糊神经网络 模糊算子 遗传算法
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U284.92;TP183
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-15
• 1.1 论文选题背景11
• 1.2 论文研究目的和意义11-12
• 1.3 故障诊断技术研究现状12-13
• 1.4 本文的主要研究内容与结构安排13-15
• 2 模糊逻辑与神经网络15-29
• 2.1 引言15
• 2.2 故障诊断方法概述15
• 2.3 模糊逻辑与故障诊断15-21
• 2.3.1 模糊集合与隶属函数16-18
• 2.3.2 模糊逻辑推理18-20
• 2.3.3 基于模糊逻辑推理的轨道电路故障诊断方法20-21
• 2.3.4 模糊推理的缺陷21
• 2.4 神经网络与故障诊断21-27
• 2.4.1 神经网络模型22-24
• 2.4.2 神经网络学习算法24-26
• 2.4.3 基于神经网络的轨道电路故障诊断方法26
• 2.4.4 神经网络的缺陷26-27
• 2.5 模糊神经网络与故障诊断27-28
• 2.5.1 模糊逻辑与神经网络的融合27-28
• 2.5.2 模糊神经网络应用于故障诊断28
• 2.6 本章小结28-29
• 3 轨道电路信号特征参数提取29-36
• 3.1 引言29
• 3.2 轨道电路概述29-31
• 3.3 实验方案31-34
• 3.4 实验结果34-35
• 3.5 本章小结35-36
• 4 基于广义加权平均的模糊神经网络的轨道电路故障诊断方法36-45
• 4.1 引言36
• 4.2 模糊算子概述36-38
• 4.2.1 无参数模糊算子36-37
• 4.2.2 带参数模糊算子37-38
• 4.3 故障诊断模型38-42
• 4.3.1 模型参数38-40
• 4.3.2 模型算法40-42
• 4.4 故障诊断模型的仿真与验证42-44
• 4.5 本章小结44-45
• 5 基于遗传模糊神经网络的轨道电路故障诊断方法45-56
• 5.1 引言45
• 5.2 遗传算法概述45-50
• 5.2.1 遗传算法基本原理46-48
• 5.2.2 遗传算法基本操作48-50
• 5.3 故障诊断模型50-53
• 5.4 故障诊断模型的仿真与验证53-55
• 5.5 本章小结55-56
• 6 结论56-58
• 6.1 研究总结56-57
• 6.2 研究展望57-58
• 参考文献58-61
• 作者简历及攻读硕士学位期间取得的研究成果61-63
• 学位论文数据集63

【相似文献】

中国期刊全文数据库 前10条

1 张晓琴,张富梅,侯永兴,张立毅,王华奎;模糊神经网络的结构分析[J];太原理工大学学报;2005年S1期

2 张思梅;张炳传;;模糊神经网络在水环境保护中的应用综述[J];安徽建筑工业学院学报(自然科学版);2007年02期

3 陈晓洪;刘川;浦金云;;舰艇系统损伤等级模糊神经网络评估模型[J];海军工程大学学报;2009年03期

4 王培勋;王顺磊;陈树娟;;模糊神经网络的理论发展与应用研究[J];中国新技术新产品;2010年01期

5 郭华旺;董海鹰;;基于模糊神经网络的风速预测研究[J];电气传动自动化;2012年03期

6 高明明;刘吉臻;高明帅;杨世明;吴玉平;张明胜;;基于补偿模糊神经网络的灰循环系统控制研究[J];动力工程学报;2012年07期

7 胡贤金;;基于模糊神经网络的切削参数预测方法[J];工具技术;2012年11期

8 吴小苗，，韩祯祥;电力系统自组织模糊神经网络稳定器[J];电力系统及其自动化学报;1995年04期

9 刘乐星;王俊超;毛宗源;;基于神经网络的模糊规则自动生成[J];葛洲坝水电工程学院学报;1996年02期

10 邢进生,万百五;基于矩形函数系的模糊神经网络及其应用[J];西安交通大学学报;2000年06期

中国重要会议论文全文数据库 前10条

1 李仁发;乜崇义;;一种用模糊神经网络建立模糊模型的新方法[A];1996年中国智能自动化学术会议论文集（上册）[C];1996年

2 舒赛刚;任雪梅;陈杰;;模糊神经网络在混沌预测中的应用[A];第二十届中国控制会议论文集（下）[C];2001年

3 张剑辉;彭力;林行辛;;变结构的补偿模糊神经网络的研究[A];第二十三届中国控制会议论文集（上册）[C];2004年

4 林雄;张福金;黄槐仁;刘煜;;进化模糊神经网络在时序预测的应用[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

5 谢维信;钱涛;;模糊神经网络研究述评[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 陈一飞;李怀;;模糊神经网络在室内采光控制中的应用[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

7 荣莉莉;;模糊神经网络在项目评价系统中的应用[A];全国青年管理科学与系统科学论文集第5卷[C];1999年

8 孙增圻;;模糊神经网络及其在系统建模与控制中的应用[A];1998年中国智能自动化学术会议论文集（上册）[C];1998年

9 马海峰;李晨光;唐涛;;基于模糊神经网络的列车运行安全控制[A];1998年中国智能自动化学术会议论文集（上册）[C];1998年

10 王孙安;杜海峰;;基于相平面的模糊神经网络研究及应用[A];第一届全国流体动力及控制工程学术会议论文集[C];2000年

中国博士学位论文全文数据库 前10条

1 何春梅;模糊神经网络的性能及其学习算法研究[D];南京理工大学;2010年

2 李龙;模糊神经网络学习算法及收敛性研究[D];大连理工大学;2010年

3 翟东海;加乘型模糊神经网络理论和应用的研究[D];西南交通大学;2003年

4 杨洁;模糊神经网络的学习收敛性与阈值可去性[D];大连理工大学;2006年

5 艾芳菊;模糊神经网络的结构优化研究[D];中国科学院研究生院（成都计算机应用研究所）;2006年

6 王振雷;模糊神经网络理论及其在复杂系统中的应用研究[D];东北大学;2002年

7 孙海蓉;模糊神经网络的研究及其应用[D];华北电力大学（河北）;2006年

8 周志坚;基于遗传算法的神经模糊技术应用研究[D];华南理工大学;1999年

9 朱喜林;模糊神经网络选择机械加工参数的应用研究[D];吉林大学;2006年

10 陈向坚;微型飞行器姿态的智能控制方法研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2012年

中国硕士学位论文全文数据库 前10条

1 曹甄;基于模糊神经网络的桥梁状态评价[D];天津大学;2009年

2 程冰;模糊神经网络研究[D];广东工业大学;2005年

3 王玉红;基于模糊神经网络的信用风险评级研究[D];哈尔滨工程大学;2006年

4 王雪苗;模糊神经网络优化及应用研究[D];大连理工大学;2006年

5 马秀会;模糊神经网络研究综述[D];吉林大学;2008年

6 徐坤哲;基于区间二型TSK模糊神经网络系统的时间序列预测及应用研究[D];渤海大学;2015年

7 游鑫;基于相似日和动态模糊神经网络的短期电力负荷预测[D];江西理工大学;2015年

8 王荣;基于模糊神经网络的锅炉汽包水位控制系统研究[D];新疆大学;2015年

9 方盼;一类模糊神经网络的参数辨识和结构优化[D];大连理工大学;2015年

10 胡婷;基于模糊神经网络的输油管网泄漏检测技术研究[D];东北大学;2013年

本文编号：952730