基于决策树的轨道电路故障诊断知识表示方法研究

针对ZPW-2000A无绝缘轨道电路故障逻辑机理模糊的问题,本文采用了基于决策树的轨道电路专家系统知识表示方法.该方法首先将轨道电路故障影响较大的特征向量样本建立故障决策表,然后运用最小信息熵算法对属性值离散化,根据决策树算法快速学习及分类的特点对离散后的数据样本进行训练学习,生成故障决策树后进行知识规则的获取,在专家系统的知识库中以产生规则存储.通过对ZPW-2000A无绝缘轨道电路的实例分析验证了该方法在轨道电路专家系统知识表示与获取中的有效性和实用性.     

基于LSTM-BP级联网络的列控车载设备故障诊断

列控车载设备是保障高速列车行车安全、提高运输效率的核心组成部分,快速有效地诊断其故障类型具有重要意义.针对300T型列控车载设备故障文本数据的错综性和时序性,提出一种基于LSTM-BP级联网络模型的车载设备智能故障诊断方法.首先,采用贝叶斯正则化(Bayesian Regularization,BR)算法优化BP神经网络提高模型的泛化能力;其次,利用长短时记忆网络(Long Short Term Memory Network,LSTM)的记忆特性,充分学习具有时序性的故障特征信息,解决BP神经网络模型难以准确诊断关机误报和引发故障等问题;最后,利用实际数据对模型进行多次试验分析,BR优化的神经网络模型分类准确率为85.06%;而LSTM-BP级联网络模型分类准确率达到95.10%,能够很好地解决对关机误报和引发故障诊断不准确的问题,验证了本文所提出的智能故障诊断方法的有效性.     

电子电路故障诊断的神经网络数据融合算法

针对模拟电路故障元件诊断的不确定性问题,将BP网络引入数据融合之中,结合模糊集合论,构造－模糊神经网络故障分类器,并将其应用于电子电路故障诊断之中。通过测试电子电路中被诊断元件的工作温度和工作电压这2个物理量,求出两传感器对各待诊断元件的故障隶属度,利用模糊BP网络故障分类器进行数据融合,得到融合的各待诊断元件的故障隶属度,从而确定故障元件,并通过单传感器诊断结果与融合诊断结果比较,说明多传感器融合的优越性。     

基于自适应变异SAPSO-LSSVM的轨道电路故障诊断

针对传统无绝缘轨道电路故障诊断精度不高与诊断结果不稳定的问题,提出一种将模拟退火(Simulated Annealing,SA)算法和粒子群最小二乘支持向量机(PSO-LSSVM)相结合的方法,并用其进行故障诊断.借鉴遗传算法(Genetic Algorithm,GA)中的变异思想,在SA算法中引入简单变异算子,提出动态自适应变异SAPSO算法,以克服传统粒子群算法易陷入局部最优的问题.利用自适应变异SAPSO算法对改进LSSVM核函数的惩罚因子和核函数参数进行优化,避免故障诊断结果不稳定.最后通过仿真将本文算法与近几年比较先进的几种算法进行对比.仿真结果表明:本文算法对无绝缘轨道电路的故障诊断准确率更高、诊断结果更稳定.     

基于集对分析和隶属函数的轨道电路故障诊断

针对ZPW-2000A轨道电路状态评估、诊断过程中故障类型与征兆间存在多种不确定性等问题,将集对分析及隶属函数引入轨道电路状态评估及故障诊断中. 首先,对收集到的数据处理并分析故障类型与故障征兆的联系,建立故障类型集合;然后,利用集对分析建立故障类型与轨道电路运行状态的联系度,并利用熵权法结合集对分析确定征兆间的权重精确值;最后,利用隶属函数,描述运行状态与状态等级间的对应关系,建立故障类型同异反评价矩阵模型. 算例验证结果表明,结合集对分析与隶属函数的轨道电路评估方法有效反映轨道电路运行状态及故障类型.     

基于节点电压增量方程的含容差轨道电路软故障诊断

为了解决轨道电路容差的存在使得相关的故障诊断理论方法难以用于实际工程,分析了轨道电路的容差特性,提出了基于灵敏度分析的消除容差对故障诊断影响的方法,并在此基础上提出了基于节点电压增量方程的含容差轨道电路软故障字典法.该方法是对含容差线性模拟电路故障诊断方法的拓展,也适用于一般线性模拟电路.仿真验证结果表明,所提出的方法可以有效地实现含容差轨道电路的软故障诊断.     

基于混合智能算法的轴承故障诊断系统设计

设计了基于多种智能方法的轴承试验机故障监测系统,该系统可实现轴承试验机的在线监测,对被试验轴承的的振动信号的时域与频域指标通过多种智能算法进行分析,从而实现轴承故障的综合实时诊断,整个试验过程数据通过网络传送到上位机进行显示并存储到数据库中。该系统在轴承生产企业得到了成功的应用。     

基于色度方向角的离线城市红绿灯识别算法

车辆自动驾驶已成为智能交通系统发展的必然趋势,红绿灯识别研究扮演着极为重要的角色.针对大多数红绿灯识别算法中没有充分考虑同种颜色不同位置红绿灯存在的颜色差异问题,提出了基于色度方向角的离线红绿灯识别算法.首先手工标定不同场景下的红灯、绿灯色块组成红灯、绿灯集合图,将集合图RGB空间转换为几何均值对数色度空间;然后根据香农熵确定红灯、绿灯各自的色度方向角,得到各自的色度方向图;其次根据红灯、绿灯色度方向图确定出红灯、绿灯分割阈值,建立红绿灯识别分类器;最后根据识别分类器将不同图像序列中的红绿灯识别出来.实验结果表明:该算法在LARA、LISA标准集上均获得很好的识别结果,识别精度高,能满足实际红绿灯识别的实时性要求.     

基于混合智能算法的轴承故障诊断系统设计

设计了基于多种智能方法的轴承试验机故障监测系统,该系统可实现轴承试验机的在线监测,对被试验轴承的的振动信号的时域与频域指标通过多种智能算法进行分析,从而实现轴承故障的综合实时诊断,整个试验过程数据通过网络传送到上位机进行显示并存储到数据库中.该系统在轴承生产企业得到了成功的应用.     

基于OPC技术的快速故障诊断实时数据平台设计

为了实现快速故障诊断,该文提出了1种利用过程控制中的对象连接与嵌入(OPC)技术实现分布式容错控制实时数据平台的设计方法,建立实时快速故障诊断模块,将故障诊断部分交给故障诊断模块来处理,将故障诊断的结果作为实时优化先进控制模块的输入和控制器重构或重组部分的依据,同时事件总线技术的应用提高了系统的响应时间.实验结果表明:该平台可以提高故障诊断的检测率和检测时间,为将容错控制成功地应用于工程奠定了基础.     

信号轨道电路与电力牵引系统间的电磁兼容研究

首先分析电力牵引系统对信号系统干扰的三种耦合途径，指出轨道电路受到的传导性干扰是我们目前面临的最大问题。其次，指出只要两个系统各自采取措施，电磁兼容是可能的．最后，在指出相敏轨道电路和移频自动闭塞抗电化干扰具有优点的同时，提出应进行技术改进的几点参考意见。     

基于图数据深度挖掘的旋转机械故障诊断

针对旋转机械故障诊断过程面临的小样本问题,提出了一种基于图数据深度挖掘的旋转机械故障诊断方法.首先,将利用归一化处理后的监测信号重塑为汉克尔矩阵;然后,将奇异值分解得到的特征向量作为图数据的节点表示,进一步地运用边连接方式构建基于奇异值特征向量的图数据;在此基础上,利用构建的图卷积神经网络充分提取图数据中的高层次故障特...     

基于数据驱动的伺服机构执行器故障诊断

以往对于伺服机构故障诊断大多在控制系统中进行,往往会掩盖伺服机构执行器本身的故障,并且执行器的恒增益故障不容易判别.针对这些缺点,分析执行器的故障机理,找出了伺服机构的有效测点,提出了基于数据驱动的执行器故障诊断方法.仿真实验证实了方法的有效性.     

一种基于RBF神经网络的传感器故障诊断方法

针对传感器故障，提出了一种基于RBF神经网络的集成故障诊断方法，用RBF神经网络建立传感器故障模型，对系统的状态和故障参数进行在线估计，然后将故障参数与修正的Bayes分类算法（MB算法）相结合，进行传感器故障在线检测、分离和估计。对连续搅拌釜式反应器（CSTR）的仿真结果表明，该集成故障诊断方法能够对多重传感器进行故障进行快速准确的分离和估计，并对传感器故障具有容错性。     

基于微信平台开展铁路客流调查的研究

针对铁路客流调查工作量大、效率低、统计分析难等问题,研究利用微信平台进行客流调查数据采集和处理技术,最大程度地提高客流调查的全面性和准确性,为客流预测和运力调配提供更可靠的决策依据。     

基于支持向量数据描述的机械故障诊断研究

为了解决在机械智能监测与诊断中缺少故障样本的问题，提出了一种机械故障单值分类的新方法——支持向量数据描述法。该方法只需要一类目标样本作为学习样本，而不需要其他非目标样本，就可以建立起单值分类器，从而区分了非目标样本和目标样本。将这种方法应用在机械故障诊断和状态监测中，仅仅依靠正常运行时的数据信号，而不需要故障数据，就可以监测机器的运行状态，且不需要对原始数据进行特征提取。实验结果表明，支持向量数据描述法与传统的神经网络方法相比，具有较好的分类能力和较高的计算效率。     

基于粒子群优化算法的船舶柴油机故障诊断

为了提高模糊神经网络收敛速度,克服容易陷入局部极值的不足,提出利用改进的动态加速常数协同惯性权重的WCPSO算法对网络参数进行优化。该算法通过对标准粒子群算法WPSO的改进,实现动态加速常数随进化代数线性变化,使被优化的网络收敛速度加快,不易陷入局部极值。将其应用于船舶柴油机模糊神经网络故障诊断模型中,仿真结果表明经过优化的故障诊断模型更为准确,提高了诊断速度。     

数据挖掘在高速公路收费数据中的应用

数据挖掘技术的发展为分析高速公路收费站海量统计资料提供了便利,通过对数据挖掘技术内容及其分类的简单介绍,运用关联规则并使用数据挖掘软件Weka对广靖锡澄高速公路无锡收费站的部分统计数据进行离散化处理,借助Apriori算法对影响收费站收费效率的收费时段、车辆进站速度、车辆收费平均时耗、收费车辆数、收费车型、收费费用、收费站进口道长度、天气等因素进行关联性挖掘,认为高速公路收费站的收费数据关联性较大的是收费时间、进站车速、收费车辆数、收费站规模等因素,对于解决收费排队过长、排队车辆控制、收费费率调整、收费站进出口道数量的设置、收费站规模设置等等提供了一定的参考价值。     

基于模糊神经网络的MVB故障诊断算法

针对多功能车辆总线具有随机性和不确定性导致故障诊断准确率较低的问题, 设计一种基于模糊神经网络的MVB故障诊断算法. 首先根据MVB故障类型给出诊断模型, 然后采用减法聚类生成数量较少的模糊规则, 最后采用T-S模糊神经网络对故障进行分类. 在MATLAB环境下对该算法的拟合能力及诊断准确率进行仿真分析的结果表明, 该算法简化了模糊神经网络结构, 有效提高了故障诊断准确率.     

基于模糊神经网络的MVB故障诊断算法

针对多功能车辆总线具有随机性和不确定性导致故障诊断准确率较低的问题, 设计一种基于模糊神经网络的MVB故障诊断算法. 首先根据MVB故障类型给出诊断模型, 然后采用减法聚类生成数量较少的模糊规则, 最后采用T-S模糊神经网络对故障进行分类. 在MATLAB环境下对该算法的拟合能力及诊断准确率进行仿真分析的结果表明, 该算法简化了模糊神经网络结构, 有效提高了故障诊断准确率.