高速列車轉(zhuǎn)向架故障診斷智能決策方法研究.pdf

1、在高速列車長(zhǎng)期服役過程中，列車轉(zhuǎn)向架關(guān)鍵部件的性能蛻化與故障對(duì)列車的安全運(yùn)行造成嚴(yán)重威脅。列車運(yùn)行過程中通過在轉(zhuǎn)向架不同位置安裝各種類型的傳感器對(duì)轉(zhuǎn)向架進(jìn)行評(píng)估，對(duì)高速列車的安全運(yùn)營(yíng)有重要意義。本文通過對(duì)監(jiān)測(cè)數(shù)據(jù)特征提取的分析，建立特征提取知識(shí)庫(kù)，構(gòu)建了故障診斷決策模型。由于支持向量機(jī)參數(shù)對(duì)其性能影響較大，通過改進(jìn)的粒子群優(yōu)化算法優(yōu)化支持向量機(jī)參數(shù)。對(duì)列車轉(zhuǎn)向架的原車、2種位置的空氣彈簧故障、4種位置的橫向減振器故障以及8種位置的抗蛇行

2、減振器故障這15種工況，給出了基于分級(jí)策略的診斷框架。具體的研究工作如下:
　　1、利用已有的多種列車轉(zhuǎn)向架振動(dòng)信號(hào)特征提取方法，建立高速列車轉(zhuǎn)向架振動(dòng)信號(hào)的特征提取知識(shí)庫(kù)，構(gòu)建了高速列車轉(zhuǎn)向架故障診斷決策模型，并對(duì)診斷決策模型進(jìn)行了數(shù)學(xué)描述。
　　2、在故障診斷模型中，通過改進(jìn)的粒子群優(yōu)化算法選擇支持向量機(jī)的懲罰因子以及核函數(shù)參數(shù)。針對(duì)粒子群優(yōu)化算法易陷入局部最優(yōu)的問題，給出改進(jìn)方法，首先，速度更新公式乘以收縮因子，其次，

3、慣性權(quán)重采用高斯函數(shù)遞減策略。利用公開數(shù)據(jù)進(jìn)行測(cè)試，結(jié)果表明使用改進(jìn)后的粒子群優(yōu)化算法對(duì)支持向量機(jī)參數(shù)優(yōu)化能夠提高分類的正確率。
　　3、基于分級(jí)策略，給出了列車轉(zhuǎn)向架故障分級(jí)診斷框架，并根據(jù)實(shí)際情況確立了分級(jí)策略下高速列車轉(zhuǎn)向架故障診斷的分級(jí)順序，診斷順序依次為原車、空氣彈簧失效、橫向減振器失效與抗蛇行減振器失效。利用對(duì)振動(dòng)信號(hào)離散傅里葉變換的幅值作為特征進(jìn)行原車的識(shí)別;利用振動(dòng)信號(hào)的奇異譜熵、功率譜熵、小波能譜熵和小波空間特征