基于神經網絡的道岔智能故障診斷方法的研究.pdf

1、隨著鐵路運行速度的逐年攀升,較快的列車運行速度對道岔提出了更加嚴格的要求。本論文是道岔監(jiān)測系統項目的一個子課題,是在道岔監(jiān)測系統提供的大量道岔狀態(tài)數據的基礎上,應用神經網絡對道岔進行智能故障診斷。本文是對道岔智能故障診斷的一次初步嘗試,目的是給道岔監(jiān)測系統的故障診斷功能提供一種可行性實現方法。
　　 論文首先介紹神經網絡的定義和原理,并分別的從兩個典型神經網絡——反向傳播神經網絡(BP神經網絡)和徑向基神經網絡(RBF神經網絡)

2、兩方面詳細闡述了網絡的構造,學習算法及其應用。隨后,為了方便構造神經網絡系統,在介紹道岔轉換系統結構的基礎上,分析各種典型故障的機理,對雜亂無章的各種故障進行了統一分類,并系統地介紹提供各種道岔監(jiān)測數據的道岔監(jiān)測系統。最后,運用MATLAB分別構造BP神經網絡模型和RBF神經網絡模型。多次測試后,對網絡性能進行對比研究,發(fā)現診斷結果基本達到預期的診斷要求,完成了道岔智能故障診斷的理論研究。
　　 本文重點在以下幾個方面進行探索與

3、研究:
　　 按照道岔故障機理和神經網絡結構特性,把道岔故障分為三類,每類構造一個子神經網絡,總體組建成一個并行神經網絡系統框架。
　　 選擇最優(yōu)BP算法。對某個子神經網絡構造BP神經網絡模型,應用多種常見BP算法分別對網絡訓練并測試,從測試結果中獲得每種BP算法的優(yōu)勢和劣勢。
　　 設計基于BP算法的并行神經網絡故障診斷模型。針對于每一個子神經網絡,利用經驗公式得出隱含層神經元個數的最小范圍,然后在最小范圍內對

4、隱含層神經元個數逐個嘗試,分析不同隱含層節(jié)點數對網絡性能的影響,采用Levenberg-Marquart算法構造最優(yōu)BP神經網絡。然后訓練網絡并進行故障診斷測試。
　　 設計基于RBF算法的并行神經網絡故障診斷模型。針對于每一個子神經網絡,通過多次試驗獲取隱含層神經元個數和徑向基分布密度的最優(yōu)值并構造性能最佳的RBF神經網絡,然后訓練網絡并進行故障診斷測試。
　　 通過一系列理論研究和大量仿真試驗證明:神經網絡技術運用在