電力機(jī)車故障分析技術(shù)研究.pdf

1、鐵路對(duì)國(guó)民經(jīng)濟(jì)起著非常重要的作用，機(jī)車是鐵路的牽引動(dòng)力設(shè)備。電力機(jī)車的采用在我國(guó)鐵路運(yùn)輸中日益廣泛，HXD2B型電力機(jī)車是一種重載貨運(yùn)機(jī)車。機(jī)車的結(jié)構(gòu)非常復(fù)雜，故障種類也是多種多樣。雖然在機(jī)車的使用過(guò)程中應(yīng)用了一些智能故障分析手段，但當(dāng)實(shí)際的問(wèn)題產(chǎn)生時(shí)，故障分析與診斷工作、維修工作，多依賴于機(jī)務(wù)段檢修人員憑借經(jīng)驗(yàn)進(jìn)行分析和診斷，遠(yuǎn)不能滿足鐵路現(xiàn)代化的要求。
　　本文旨在通過(guò)多種方法研究電力機(jī)車的智能診斷技術(shù)與方法，便于檢修人員能夠

2、迅速、準(zhǔn)確的找到機(jī)車的故障所在，進(jìn)行維修。本文研究了兩種故障診斷方法：基于粗糙集的案例推理方法和與粒子群優(yōu)化算法相結(jié)合的BP神經(jīng)網(wǎng)絡(luò)算法。本文首先查閱了電力機(jī)車相關(guān)資料，以司機(jī)顯示單元的故障為例，搜集了典型故障案例、故障特點(diǎn)，將專家知識(shí)記錄起來(lái)，并進(jìn)行整理，然后通過(guò)不同的方法，實(shí)現(xiàn)對(duì)電力機(jī)車故障診斷技術(shù)的研究。
　　案例推理方法是一種智能診斷方法，是一種基于知識(shí)的學(xué)習(xí)和問(wèn)題求解方法，它通過(guò)重新使用或者修改歷史知識(shí)和實(shí)例，為新的問(wèn)題

3、提供決策參考，并且可以不斷的自學(xué)習(xí)，更新知識(shí)庫(kù)。案例推理方法的過(guò)程包含案例檢索、案例重用、案例修正和案例保存四個(gè)過(guò)程[1]。在本文中案例檢索采用加權(quán)K-NN算法，權(quán)值利用粗糙集理論進(jìn)行計(jì)算；案例重用、案例修正的實(shí)現(xiàn)通過(guò)在每次診斷完成，使用人員和軟件進(jìn)行互動(dòng)，記錄在案例庫(kù)中；案例保存同樣采用粗糙集理論，對(duì)案例進(jìn)行約簡(jiǎn)，來(lái)實(shí)現(xiàn)方便、高效的信息存儲(chǔ)。
　　在粒子群優(yōu)化算法和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的算法中，BP神經(jīng)網(wǎng)絡(luò)算法建模簡(jiǎn)單，普遍使用于

4、各個(gè)方法的研究，但是其收斂速度慢，容易陷入局部最優(yōu)值；而粒子群優(yōu)化算法收斂速度快，具有全局搜索功能，兩者結(jié)合能夠在全局范圍內(nèi)快速的找到最優(yōu)值。在此算法中，BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值由粒子群算法中粒子的位移代替，通過(guò)設(shè)置停止準(zhǔn)則：適應(yīng)度和迭代次數(shù)，在全局范圍搜索得到最優(yōu)的權(quán)值和閾值，并賦值給BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，大大加快了BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度，增加了準(zhǔn)確性。
　　本文利用Matlab軟件進(jìn)行故障診斷技術(shù)的研究和仿真，利用電力機(jī)車的實(shí)