基于信息融合的高速列车转向架故障诊断-电气工程专业论文.docxVIP

优秀毕业论文 精品参考文献资料 研究生优秀毕业论文 西南交通大学 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并 向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授 权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用 影印、缩印或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1．保密口，在 年解密后适用本授权书； 2．不保密d，使用本授权书。 (请在以上方框内打‘‘巾) 学位论文作者签名： 李蕊 指导老师签名： 日期： 矽f 5·5．f丫 日期： 加瞬歹．件 万方数据 西南交通大学硕士学位论文主要工作( 西南交通大学硕士学位论文主要工作(贡献)声明 本人在学位论文中所做的主要工作或贡献如下： 1)构建了一个基于信息融合的故障诊断系统，能够有效实现对振动信号的故障类型 判别、故障定位。其诊断流程如下：首先，通过双通道多域信息熵特征对待检测振动信 号进行故障类型的判别；然后，通过基于时域奇异谱熵的多测点信息炯故障定位模型对 待检测的同类型不同位置故障的振动信号进行故障定位。实验结果表明，该系统能够有 效地进行故障类型识别和故障定位。 2)在信息融合理论的基础上，将能够全面描述高速列车转向架故障的时域奇异谱熵、 频域功率谱熵、时．频域小波能谱熵和小波空间特征谱熵的4种双通道多域信息熵特征对 转向架15种工况振信号量化处理，用于对故障类型的识别。 3)针对不同位置的故障，本文给出了基于过程信息融合的信息炯特征提取方法，给 出基于过程信息融合的多测点信息炯特征提取一特征选择一维数约简一支持向量机模式识 别的故障诊断模型。该模型结合了信息炯特征在反映复杂机械故障中的优势、多域特征 融合的全面性、基于多准则排序融合的特征选择方法的稳定性、流形学习算法在特征降 维方面的优越性以及SVM模式识别的适用性。 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。 除文中已经注明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的 研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确说明。本人完全 了解违反上述声明所引起的一切法律责任将由本人承担。 学位论文作者签名： 李晓 日期： 刃lS．6．～． 万方数据 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1页 摘要 高速列车的安全性态是列车服役性能监测中的核心内容。高速列车在长期服役过 程中转向架的关键部位发生故障，安装在各个关键位置上的传感器信号中包含着丰富 的故障信息，采用合适的信息处理的方法对故障信息进行分析，可有效实现高速列车 转向架状态反演和识别。针对高速列车转向架最常出现8种位置的抗蛇行减振器故障、 4种位置的横向减振器故障、2种位置的空气弹簧故障共15种工况的振动信号，构建 了一套完整有效的基于信息融合的高速列车转向架故障诊断体系，能够系统有效地对 转向架振动信号实现故障类型的识别、故障定位。本文主要完成了以下研究： 1)仿真模型的构成和仿真数据的生成。采用动力学仿真软件SIMPACK，针对列车 模型，设置不同的工况参数，生成各种类型、各种位置的仿真数据。 2)故障类型识别。研究了时域、频域、时一频域的4种信息熵特征对表征高速列 车转向架振动信号的含义及在故障识别中的适用性。结合信息融合理论，给出了4种 双通道融合的信息熵，有效地实现了原车、8种位置的抗蛇行减振器故障、4种位置的 横向减振器故障和2种位置的空气弹簧故障等15种工况的4种故障类型的识别。 3)故障定位。针对当前高速列车转向架故障诊断中依靠随机抽取的状态信息进行 诊断所存在的不足，采用基于过程信息融合的信息炯特征提取方法处理不同位置的故 障数据，给出基于过程信息融合的多测点信息炯特征提取一特征选择一维数约简一支持向 量机模式识别的故障诊断模型。首先，针对同类型不同位置的故障信号，分别构造了 基于时域奇异谱熵的多测点信息炯矩阵，分别构成了高维特征矢量。仿真结果证明了 基于过程信息融合的多测点信息炯特征提取方法的有效性。为了剔除高维信息炯特征 中存在的冗余特征，本文结合了基于ReliefF、Fisher比率、马氏距离的多准则排序 融合的特征选择方法和基于ISOMAP算法的流形学习降维方法，结果表明，该方法能够 有效降低特征维数，提高故障定位的正确率。 4)本文在高速列车转向架故障诊断领域，构建了一个基于信息融合的故障诊断系 统，对振动信号有效实现了故障类型的识别和故障定位。其诊断流程如下：首先，通 过双通道多域信息熵特征对待检测振动信号进行故障类型的判别；然后，针对同类型 不同位置故障，通过基于时域奇异谱熵的多测点信息炯特征进行故障定位。实验结