基于分形理论的高速列车状态分析与故障诊断研究

发布时间：2017-04-19 16:13

  本文关键词：基于分形理论的高速列车状态分析与故障诊断研究，由笔耕文化传播整理发布。

【摘要】：近年来我国高速列车装备技术飞速发展,铁路干线运行时速不断提高,对列车安全预警和健康维护也提出了更大的挑战。列车长期高速服役导致零部件磨耗加快、车体振动加剧等安全性能恶化,利用传感器技术对高速列车进行跟踪监测获得海量列车振动数据,这些数据蕴含了丰富的列车状态信息。如何利用这些监测数据反演识别列车的安全性态,对于保障高速列车安全运行具有重要的研究价值和工程意义。本文针对高速列车监测数据的非线性和非平稳性,利用分形理论对高速列车监测数据进行特征分析,研究基于分形理论的高速列车状态识别与故障诊断决策方案。主要研究工作如下：(1)总结了国内外基于数据驱动的列车性态评估和分形故障诊断技术的研究现状,分析了高速列车转向架结构与振动特点,利用Hurst指数论证了高速列车监测数据的自相似分形特性,提出基于单重分形和多重分形的列车状态分析方案。(2)以盒维数为特征量,研究了列车正常状态和单故障(空簧失气、抗蛇行减振器失效、横向减振器失效)四种典型工况监测数据的单重分形特性,基于盒维数特征利用比较归类法对列车状态进行识别。为克服盒维数仅能表征整体分形性的局限性,提高盒维数特征状态识别能力,提出基于EMD和盒维数的列车状态识别方案,实验表明,该方案能够有效提高列车状态识别率。(3)全面分析了列车四种典型工况监测数据的质量指数谱、多重分形谱和广义维数谱,结果表明不同工况的多重分形特性具有明显的差异,且故障越严重,多重分形性越强。基于由多重分形谱参数和广义维数谱参数构成的联合特征向量,利用SVM进行列车状态模式识别。并引入主元分析消除特征量之间的相关干扰,提出基于PCA和SVM的多重分形状态识别方案,实验表明,该方案能够有效提高列车状态识别率。(4)分析了列车复杂故障(参数渐变故障、混合故障和单故障单拆)工况监测数据的多重分形特性,探讨了高速列车在参数渐变故障过程中的特征分布规律,混合故障与单故障对列车安全性态的影响,单故障单拆工况时列车安全性态的特征分布规律,结果表明,复杂故障工况下列车振动仍呈现出一定的规律。
【关键词】：高速列车 状态识别 单重分形 多重分形 单故障 复杂故障
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：U279;O189
【目录】：

• 摘要6-7
• Abstract7-12
• 第1章 绪论12-17
• 1.1 选题背景及意义12
• 1.2 国内外研究现状分析12-15
• 1.2.1 基于数据驱动的列车状态分析研究现状12-13
• 1.2.2 分形故障诊断技术研究现状13-14
• 1.2.3 现有研究工作存在的问题或不足14-15
• 1.3 本文主要研究内容15
• 1.4 论文结构安排15-17
• 第2章 基于分形的高速列车状态分析17-36
• 2.1 分形理论概述17-22
• 2.1.1 分形的定义17-19
• 2.1.2 单重分形19-20
• 2.1.3 多重分形20-22
• 2.2 高速列车结构及状态分形特性分析22-25
• 2.2.1 高速列车转向架22-24
• 2.2.2 空气弹簧24
• 2.2.3 抗蛇行减振器24-25
• 2.2.4 横向减振器25
• 2.3 高速列车监测数据处理25-32
• 2.3.1 本文研究数据介绍25-27
• 2.3.2 监测数据的消噪处理27-28
• 2.3.3 监测数据的分形性分析28-32
• 2.4 基于单重分形的高速列车状态分析方案设计32-34
• 2.4.1 单重分形特征参数32-33
• 2.4.2 基于盒维数的状态分析方案设计33-34
• 2.5 基于多重分形的高速列车状态分析方案设计34-35
• 2.5.1 多重分形特征参数34
• 2.5.2 基于多重分形的高速列车状态分析方案设计34-35
• 2.6 本章小结35-36
• 第3章 基于单重分形的高速列车状态分析36-51
• 3.1 分形盒维数算法与实现36-37
• 3.2 仿真数据单重分形分析37-40
• 3.2.1 列车振动加速度分析37-39
• 3.2.2 列车振动位移分析39-40
• 3.3 实测数据单重分形分析40-43
• 3.3.1 列车振动加速度分析40-42
• 3.3.2 列车振动位移分析42-43
• 3.4 基于盒维数的高速列车状态识别43-45
• 3.5 基于EMD和盒维数的高速列车状态识别45-50
• 3.5.1 经验模式分解45-46
• 3.5.2 SVM基本原理46-47
• 3.5.3 基于EMD和盒维数的列车状态识别47-50
• 3.6 本章小结50-51
• 第4章 基于多重分形的高速列车状态分析51-68
• 4.1 多重分形算法与实现51-52
• 4.2 仿真数据多重分形分析52-57
• 4.2.1 列车横向振动分析52-55
• 4.2.2 列车垂向振动分析55-57
• 4.3 实测数据多重分形分析57-62
• 4.3.1 列车横向振动分析57-60
• 4.3.2 列车垂向振动分析60-62
• 4.4 基于多重分形的高速列车状态识别62-64
• 4.5 基于PCA和SVM的高速列车状态识别64-67
• 4.5.1 主元分析基本原理64-65
• 4.5.2 基于PCA和SVM的列车状态识别65-67
• 4.6 本章小结67-68
• 第5章 复杂故障工况多重分形分析68-77
• 5.1 参数渐变工况多重分形分析68-70
• 5.1.1 空气弹簧渐变故障68-69
• 5.1.2 抗蛇行减振器渐变故障69
• 5.1.3 横向减振器渐变故障69-70
• 5.2 混合故障工况多重分形分析70-72
• 5.2.1 横向振动分析70-71
• 5.2.2 垂向振动分析71-72
• 5.3 单故障单拆工况多重分形分析72-75
• 5.3.1 空气弹簧单拆故障72-73
• 5.3.2 抗蛇行减振器单拆故障73-74
• 5.3.3 横向减振器单拆故障74-75
• 5.4 本章小结75-77
• 总结与展望77-79
• 1. 总结77
• 2. 展望77-79
• 致谢79-80
• 参考文献80-85
• 攻读硕士学位期间发表的学术论文和参与的项目85

【参考文献】

中国期刊全文数据库 前10条

1 丁世飞;齐丙娟;谭红艳;;支持向量机理论与算法研究综述[J];电子科技大学学报;2011年01期

2 朴明伟;孔维刚;刘通;兆文忠;;基于抗蛇行减振器失效工况的高速转向架稳定性分析[J];大连交通大学学报;2011年04期

3 杜海莲;王占锋;吕锋;杜文霞;;基于主元分析的多传感器故障检测[J];南京航空航天大学学报;2011年S1期

4 张馨;李会;;基于垂向振动的车体加速度分析[J];铁道标准设计;2011年10期

5 俞展猷;日本与欧洲高速列车技术的发展和现状[J];铁道机车车辆;2003年01期

6 孙学军;袁勇;唐斌;;分形调制在平坦慢衰落信道中的性能分析[J];系统仿真学报;2009年12期

7 郝研;王太勇;万剑;张攀;刘路;;分形盒维数抗噪研究及其在故障诊断中的应用[J];仪器仪表学报;2011年03期

8 张秀媛;铁路提速列车技术安全监测系统评价方法研究[J];中国安全科学学报;2004年06期

9 陈特放,黄采伦,樊晓平;基于小波分析的机车走行部故障诊断方法[J];中国铁道科学;2005年04期

10 杨宇;王欢欢;喻镇涛;袁辉;;基于ITD改进算法和关联维数的转子故障诊断方法[J];振动与冲击;2012年23期

中国博士学位论文全文数据库 前1条

1 郝研;分形维数特性分析及故障诊断分形方法研究[D];天津大学;2012年

中国硕士学位论文全文数据库 前3条

1 贾璐;高速车辆动力学性能评价方法研究[D];西南交通大学;2011年

2 李坤贤;高速列车安全性态评估数据的多重分形特征分析[D];西南交通大学;2013年

3 赵博强;高速列车轮对缺陷轨上感知算法研究[D];北京交通大学;2014年

  本文关键词：基于分形理论的高速列车状态分析与故障诊断研究，由笔耕文化传播整理发布。

，

本文编号：316653