版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、列車運行監(jiān)控記錄裝置是監(jiān)控列車安全運行的列車速度控制系統(tǒng),目前已經(jīng)基本在全路普及。除監(jiān)控功能外,LKJ(列車運行監(jiān)控記錄裝置)還具有記錄功能,所形成的LKJ運行記錄數(shù)據(jù)文件為分析列車事故原因以及車載設(shè)備故障診斷提供了有力的判斷依據(jù)。不過目前根據(jù)LKJ數(shù)據(jù)的機(jī)車車載設(shè)備故障診斷仍然是以人工分析為主要方式,因此存在確定故障原因時間長、故障診斷效率低,分析時容易出錯等缺點。針對上述弊端,提出將故障診斷算法與LKJ數(shù)據(jù)分析相結(jié)合展開機(jī)車速度傳感
2、器故障診斷研究。
本文首先在對LKJ系統(tǒng)組成以及LKJ運行記錄數(shù)據(jù)文件的記錄內(nèi)容進(jìn)行介紹的基礎(chǔ)上,確定機(jī)車軸端速度傳感器作為本文的故障診斷研究對象。其次,分析了機(jī)車速度傳感器結(jié)構(gòu)以及工作原理,同時,研究了LKJ速度通道的組成結(jié)構(gòu),并通過現(xiàn)場學(xué)習(xí)調(diào)研,明確了機(jī)車速度傳感器的幾種故障類型并對各種故障類型的產(chǎn)生機(jī)理進(jìn)行了研究。接著,通過對原始LKJ運行記錄數(shù)據(jù)文件進(jìn)行格式轉(zhuǎn)換以及數(shù)據(jù)預(yù)處理后,利用EXCEL數(shù)據(jù)統(tǒng)計分析軟件對25組速
3、度傳感器正常的LKJ數(shù)據(jù)樣本、13組速度通道虛接的LKJ數(shù)據(jù)樣本以及5組速度傳感器斷軸的LKJ數(shù)據(jù)樣本進(jìn)行統(tǒng)計分析,再考慮到不同故障在LKJ數(shù)據(jù)中的對應(yīng)故障征兆以及專家經(jīng)驗,得出4條故障規(guī)律。根據(jù)這4條故障規(guī)律,選取出本文的故障診斷特征向量。針對傳統(tǒng)KNN(K Nearest Neighbor,K近鄰)算法在分類時沒有考慮到各近鄰樣本對其所屬類別的重要程度,本文中故障診斷算法采用聚類算法來改進(jìn)傳統(tǒng) KNN算法,即聚類-KNN算法。在分類
4、之前首先計算訓(xùn)練數(shù)據(jù)各類別的聚類中心,分類時計算各近鄰樣本隸屬于其聚類中心的程度因子進(jìn)而對KNN算法進(jìn)行修正。最后,在 MATLAB仿真環(huán)境下編程實現(xiàn)了基于聚類-KNN分類器的機(jī)車速度傳感器故障診斷實驗并給出相應(yīng)的維修建議。
通過故障診斷結(jié)果可以看出,聚類-KNN分類器在基于LKJ數(shù)據(jù)分析的機(jī)車速度傳感器故障診斷的診斷正確率、分類器召回率以及F1測試值等與診斷精度相關(guān)的指標(biāo)較傳統(tǒng)KNN分類器有所提高,而在時間效率方面聚類-KN
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于模糊聚類方法的故障診斷算法研究.pdf
- 基于高速電梯運行特征大數(shù)據(jù)分析的急停故障診斷技術(shù)及應(yīng)用.pdf
- 基于擴(kuò)散映射的加權(quán)動態(tài)K近鄰過程故障診斷.pdf
- 基于k近鄰的復(fù)雜工業(yè)過程故障診斷方法研究.pdf
- 基于聚類算法的基因微陣列數(shù)據(jù)分析.pdf
- 聚類算法在轉(zhuǎn)子故障診斷中的應(yīng)用.pdf
- 基于數(shù)據(jù)分析的傳感器故障診斷方法研究.pdf
- 基于改進(jìn)的聚類算法的復(fù)雜系統(tǒng)故障診斷研究.pdf
- 基于層次聚類的數(shù)據(jù)分析.pdf
- K-means聚類算法在面板數(shù)據(jù)分析中的改進(jìn)及實證研究.pdf
- 基于近鄰的聚類算法研究.pdf
- 基于聚類的故障診斷技術(shù)研究.pdf
- 基于聚類的故障診斷方法及應(yīng)用研究.pdf
- 基因表達(dá)數(shù)據(jù)分析的聚類算法研究.pdf
- 大數(shù)據(jù)分析中的聚類算法研究.pdf
- 基于模糊聚類新算法的變壓器故障診斷研究.pdf
- 基于模糊聚類的故障診斷技術(shù)研究.pdf
- 基于數(shù)據(jù)驅(qū)動的故障診斷模型及算法研究.pdf
- 基于多特征指標(biāo)聚類的軸承故障診斷.pdf
- 基于滿意模糊聚類在線故障診斷方法研究.pdf
評論
0/150
提交評論