基于神經(jīng)網(wǎng)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(tǒng)項目的一個子課題,是在道岔監(jiān)測系統(tǒng)提供的大量道岔狀態(tài)數(shù)據(jù)的基礎(chǔ)上,應用神經(jīng)網(wǎng)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(tǒng)的故障診斷功能提供一種可行性實現(xiàn)方法。
　　 論文首先介紹神經(jīng)網(wǎng)絡的定義和原理,并分別的從兩個典型神經(jīng)網(wǎng)絡——反向傳播神經(jīng)網(wǎng)絡(BP神經(jīng)網(wǎng)絡)和徑向基神經(jīng)網(wǎng)絡(RBF神經(jīng)網(wǎng)絡)

2、兩方面詳細闡述了網(wǎng)絡的構(gòu)造,學習算法及其應用。隨后,為了方便構(gòu)造神經(jīng)網(wǎng)絡系統(tǒng),在介紹道岔轉(zhuǎn)換系統(tǒng)結(jié)構(gòu)的基礎(chǔ)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(tǒng)一分類,并系統(tǒng)地介紹提供各種道岔監(jiān)測數(shù)據(jù)的道岔監(jiān)測系統(tǒng)。最后,運用MATLAB分別構(gòu)造BP神經(jīng)網(wǎng)絡模型和RBF神經(jīng)網(wǎng)絡模型。多次測試后,對網(wǎng)絡性能進行對比研究,發(fā)現(xiàn)診斷結(jié)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(jīng)網(wǎng)絡結(jié)構(gòu)特性,把道岔故障分為三類,每類構(gòu)造一個子神經(jīng)網(wǎng)絡,總體組建成一個并行神經(jīng)網(wǎng)絡系統(tǒng)框架。
　　 選擇最優(yōu)BP算法。對某個子神經(jīng)網(wǎng)絡構(gòu)造BP神經(jīng)網(wǎng)絡模型,應用多種常見BP算法分別對網(wǎng)絡訓練并測試,從測試結(jié)果中獲得每種BP算法的優(yōu)勢和劣勢。
　　 設(shè)計基于BP算法的并行神經(jīng)網(wǎng)絡故障診斷模型。針對于每一個子神經(jīng)網(wǎng)絡,利用經(jīng)驗公式得出隱含層神經(jīng)元個數(shù)的最小范圍,然后在最小范圍內(nèi)對

4、隱含層神經(jīng)元個數(shù)逐個嘗試,分析不同隱含層節(jié)點數(shù)對網(wǎng)絡性能的影響,采用Levenberg-Marquart算法構(gòu)造最優(yōu)BP神經(jīng)網(wǎng)絡。然后訓練網(wǎng)絡并進行故障診斷測試。
　　 設(shè)計基于RBF算法的并行神經(jīng)網(wǎng)絡故障診斷模型。針對于每一個子神經(jīng)網(wǎng)絡,通過多次試驗獲取隱含層神經(jīng)元個數(shù)和徑向基分布密度的最優(yōu)值并構(gòu)造性能最佳的RBF神經(jīng)網(wǎng)絡,然后訓練網(wǎng)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(jīng)網(wǎng)絡技術(shù)運用在